期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到10篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于弱分类器调整的多分类Adaboost算法 被引量：28
1
作者 杨新武 马壮 袁顺 《电子与信息学报》 EI CSCD 北大核心 2016年第2期373-380,共8页
Adaboost.M1算法要求每个弱分类器的正确率大于1/2,但在多分类问题中寻找这样的弱分类器较为困难。有学者提出了多类指数损失函数的逐步添加模型(SAMME),把弱分类器的正确率要求降低到大于1/k(k为类别数),降低了寻找弱分类器的难度。由... Adaboost.M1算法要求每个弱分类器的正确率大于1/2,但在多分类问题中寻找这样的弱分类器较为困难。有学者提出了多类指数损失函数的逐步添加模型(SAMME),把弱分类器的正确率要求降低到大于1/k(k为类别数),降低了寻找弱分类器的难度。由于SAMME算法无法保证弱分类器的有效性,从而并不能保证最终强分类器正确率的提升。为此,该文通过图示法及数学方法分析了多分类Adaboost算法的原理,进而提出一种新的既可以降低弱分类器的要求,又可以确保弱分类器有效性的多分类方法。在UCI数据集上的对比实验表明,该文提出的算法的结果要好于SAMME算法,并达到了不弱于Adaboost.M1算法的效果。 展开更多
关键词 多类分类器 多类指数损失函数的逐步添加模型 adaboost.M1
下载PDF
贝叶斯树算法在异常入侵检测中的应用 被引量：4
2
作者 李永忠 赵博 +1 位作者 杨鸽 徐静 《江苏科技大学学报（自然科学版）》 CAS 北大核心 2008年第1期52-56,共5页
研究了Windows平台下异常检测方法,提出了一种利用Windows Native API调用序列和基于贝叶斯树算法的主机服务进程规则与对应概率分布生成算法。根据长为N-1的Windows Native API调用序列预测第N个调用的概率分布,对生成的概率序列用U检... 研究了Windows平台下异常检测方法,提出了一种利用Windows Native API调用序列和基于贝叶斯树算法的主机服务进程规则与对应概率分布生成算法。根据长为N-1的Windows Native API调用序列预测第N个调用的概率分布,对生成的概率序列用U检验方法作为异常检测算法。以贝叶斯树作为弱分类算法,利用AdaBoost-M1方法构造多个基于贝叶斯树的概率分布序列,并按一定方式把它们组合成一个加强的概率分布序列进行入侵检测。实验结果表明这种方法能明显提高模型预测能力。 展开更多
关键词 入侵检测 Windows NATIVE API 贝叶斯树 adaboost—M1
下载PDF
一种基于Adaboost.M1的车型分类算法 被引量：2
3
作者 卞建勇 徐建闽 +1 位作者 杨洋 朱彩莲 《微电子学与计算机》 CSCD 北大核心 2011年第6期201-204,208,共5页
神经网络分类器存在容易出现过学习、欠学习、陷入维数灾以及局部最小等问题,支持向量机分类器也存在运算比较复杂,模型选择和核函数的构造比较困难的问题,而贝叶斯分类器只有在训练样本数趋于无穷时,训练结果才趋于真实的模型,因此,提... 神经网络分类器存在容易出现过学习、欠学习、陷入维数灾以及局部最小等问题,支持向量机分类器也存在运算比较复杂,模型选择和核函数的构造比较困难的问题,而贝叶斯分类器只有在训练样本数趋于无穷时,训练结果才趋于真实的模型,因此,提出了一种基于Adaboost.M1理论的车型分类算法,该算法简单易用,只需要寻找一个精度比随机预测略高的弱分类器,不需要调节任何参数,不需要先验知识,而且有足够的理论支持.最后通过实验验证了该算法进行车型分类的有效性. 展开更多
关键词 adaboost.M1 车型分类 弱分类器
下载PDF
结合粗糙集与集成学习的中文文本分类方法研究 被引量：1
4
作者 张翔 周明全 +1 位作者 董丽丽 闫清波 《计算机应用与软件》 CSCD 2011年第1期32-34,共3页
介绍中文文本分类的流程及相关技术。在分析传统的文本特征选择不足的基础上,提出了基于粗糙集与集成学习结合的文本分类方法,通过粗糙集进行文本的特征选择,采用一种集成学习算法AdaBoost.M1来提高弱分类器的分类性能,对中文文本进行... 介绍中文文本分类的流程及相关技术。在分析传统的文本特征选择不足的基础上,提出了基于粗糙集与集成学习结合的文本分类方法,通过粗糙集进行文本的特征选择,采用一种集成学习算法AdaBoost.M1来提高弱分类器的分类性能,对中文文本进行分类。实验证明,这种算法分类结果的F1值比C4.5、kNN分类器都高,具有更加优良的分类性能。 展开更多
关键词 中文文本分类 粗糙集 集成学习 adaboost.M1
下载PDF
基于集成学习算法的网络安全防御模型研究 被引量：1
5
作者 魏彬 张敏情 《武警工程大学学报》 2017年第4期66-69,共4页
在Windows系统中，攻击程序对系统的破坏一般都是由内核提供的NativeAPIs来完成的。以基于NativeAPIs的主机入侵检测为背景，利用集成学习Bagging算法和Ada—Boost．M1算法，分别对贝叶斯树模型进行了改进。通过样本集重新取样，产生多... 在Windows系统中，攻击程序对系统的破坏一般都是由内核提供的NativeAPIs来完成的。以基于NativeAPIs的主机入侵检测为背景，利用集成学习Bagging算法和Ada—Boost．M1算法，分别对贝叶斯树模型进行了改进。通过样本集重新取样，产生多个模型，对于每个模型赋予相应的权重。最后，通过实验表明，集成学习算法提高了模型的预测精度、泛化能力和稳定性。 展开更多
关键词 IDS 贝叶斯树 adaboost.M1 BAGGING
原文传递
基于PCA和AdaBoost.M1的植物叶片图像识别方法 被引量：2
6
作者 朱颢东 吴迪 +1 位作者 孙振 李红婵 《江苏农业科学》 北大核心 2016年第12期372-374,共3页
为了提高植物叶片的识别准确率,提出一种基于PCA和AdaBoost.M1的植物叶片图像识别方法。首先对植物叶片图像进行图像灰度化、二值化以及边缘提取等预处理,然后提取出13个具有比例、旋转、平移不变性的植物叶片特征参数,再利用PCA对这些... 为了提高植物叶片的识别准确率,提出一种基于PCA和AdaBoost.M1的植物叶片图像识别方法。首先对植物叶片图像进行图像灰度化、二值化以及边缘提取等预处理,然后提取出13个具有比例、旋转、平移不变性的植物叶片特征参数,再利用PCA对这些特征参数进行降维,最后采用AdaBoost.M1分类器对降维处理后的特征参数进行训练和识别。结果表明,该方法可以有效地提高植物叶片图像的识别率。 展开更多
关键词 叶片识别 PCA adaboost.M1 图像处理
下载PDF
基于R的监督式AdaBoost异常值检测应用
7
作者 苏加强 丁柳云 《淮海工学院学报（自然科学版）》 CAS 2013年第1期22-25,共4页
在不平衡数据的分类学习中,研究如何提高少数类的分类性能具有重大意义。首先使用Hold Out方法,采用分层抽样策略,随机采样不同种类的观测值;接着使用改进的AdaBoost.M1算法,忽略类不平衡的问题,来获取最高性能的异常值排序。实验结果表... 在不平衡数据的分类学习中,研究如何提高少数类的分类性能具有重大意义。首先使用Hold Out方法,采用分层抽样策略,随机采样不同种类的观测值;接着使用改进的AdaBoost.M1算法,忽略类不平衡的问题,来获取最高性能的异常值排序。实验结果表明,AdaBoost.M1方法对于高的查全率,其对应的查准率也是最高的。 展开更多
关键词 监督式 HOLD Out方法 adaboost M1 异常值检测
下载PDF
基于DBN的不均衡样本驱动民航发动机故障诊断 被引量：13
8
作者 钟诗胜 李旭 张永健 《航空动力学报》 EI CAS CSCD 北大核心 2019年第3期708-716,共9页
在结合深度置信网络(DBN)、采样与集成技术的基础上,提出了基于不均衡样本驱动的民航发动机故障诊断模型。该模型通过分析民航发动机历史飞行数据,利用DBN提取性能参数中的内部特征,利用采样技术将不均衡样本均衡化,采用集成技术进行故... 在结合深度置信网络(DBN)、采样与集成技术的基础上,提出了基于不均衡样本驱动的民航发动机故障诊断模型。该模型通过分析民航发动机历史飞行数据,利用DBN提取性能参数中的内部特征,利用采样技术将不均衡样本均衡化,采用集成技术进行故障分类。将该模型应用到CFM56-7B系列发动机历史飞行数据,实验结果表明:与常用故障诊断方法相比,该模型的准确率高达0.996,AUC值高达0.948,可以有效处理民航发动机样本高维、不均衡问题。 展开更多
关键词 民航发动机 故障诊断 不均衡样本 深度置信网络 adaboost.M1算法
原文传递
Adaboost.M1性能提升分析
9
作者 苏巧平 刘原 卢参义 《新乡学院学报》 2012年第5期416-420,共5页
在理论上探讨了在一个更弱的条件下AdaBoost.M1性能继续增强的可能性,并给出了一个更紧的误差界.实验结果表明,在这个更弱的条件下,算法有着更强的增强能力.
关键词 adaboost M1 算法 多类分类 集成学习
下载PDF
基于集成学习方法的医学图像分类系统的设计
10
作者 林晓佳 《电脑知识与技术》 2009年第11X期9515-9517,共3页
提出了一个基于集成学习方法的医学图像分类器。该系统包括图像预处理、特征提取、分类器的构造几个部分。在医学图像单特征分类研究的基础上提出一种综合了多特征融合和数据挖掘的医学图像分类的新方法。该方法通过引入数据挖掘中集成... 提出了一个基于集成学习方法的医学图像分类器。该系统包括图像预处理、特征提取、分类器的构造几个部分。在医学图像单特征分类研究的基础上提出一种综合了多特征融合和数据挖掘的医学图像分类的新方法。该方法通过引入数据挖掘中集成学习的概念,利用集成学习方法针对单特征进行分类的弱分类器进行迭代训练,通过多次迭代,最后加权投票,形成综合多特征的具有较强能力的强分类器。 展开更多
关键词 集成学习 特征提取 adaboost M1 医学图像分类
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部