模式识别与人工智能
2025年1月11日 星期六   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2019, Vol. 32 Issue (10): 945-954    DOI: 10.16451/j.cnki.issn1003-6059.201910009
研究与应用 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于标记分布学习的异态集成学习算法
王一宾1,2, 田文泉1, 程玉胜1,2
1.安庆师范大学 计算机与信息学院 安庆 246133;
2.安庆师范大学 安徽省高校智能感知与计算重点实验室 安庆 246133
Heterogeneous Ensemble Learning Algorithm Based on Label Distribution Learning
WANG Yibin1,2, TIAN Wenquan1, CHENG Yusheng1,2
1.School of Computer and Information, Anqing Normal University, Anqing 246133;
2.University Key Laboratory of Intelligent Perception and Computing of Anhui Province, Anqing Normal University, Anqing 246133

全文: PDF (941 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 为了提高预测的准确性,文中结合机器学习中堆积(Stacking)集成框架,组合多个分类器对标记分布进行学习,提出基于标记分布学习的异态集成学习算法(HELA-LDL).算法构造两层模型框架,通过第一层结构将样本数据采用组合方式进行异态集成学习,融合各分类器的学习结果,将融合结果输入到第二层分类器,预测结果是带有置信度的标记分布.在专用数据集上的对比实验表明,HELA-LDL可以发挥各种算法在不同场景下的性能较优,稳定性分析进一步说明算法的有效性.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
王一宾
田文泉
程玉胜
关键词 标记分布学习异态集成学习回归拟合堆积    
Abstract:To improve prediction accuracy, a stacking integration framework in machine learning is employed to learn label distribution through multiple classifiers, and a heterogeneous ensemble learning algorithm based on label distribution learning(HELA-LDL) is proposed. A two-layer model framework is constructed, and the sample data are combined through the first layer structure to integrate the learning results of each classifier. Finally, the fusion results are input to the second layer classifier as the original feature, and the labels are predicted to be a label distribution with confidence. Comparative experiments on specialized datasets show that HELA-LDL is superior to other algorithms in various scenes. The stability analysis further illustrates the effectiveness of HELA-LDL.
Key wordsLabel Distribution Learning    Heterogeneous Ensemble Learning    Regression Fitting    Stacking   
收稿日期: 2018-12-28     
ZTFLH: TP 18  
基金资助:安徽省高校重点科研项目(No.KJ2017A352)、安徽省高校重点实验室基金项目(No.ACAIM160102)资助
通讯作者: 程玉胜,博士,教授,主要研究方向为大数据、粗糙集、特征选择的机器学习.E-mail:Chengyshaq@163.com.   
作者简介: 王一宾,硕士,教授,主要研究方向为多标记学习、机器学习、软件安全.E-mail:wangyb07@mail.ustc.edu.cn;田文泉,硕士研究生,主要研究方向为机器学习、大数据、数据统计.E-mail:tianwq16@126.com.
引用本文:   
王一宾, 田文泉, 程玉胜. 基于标记分布学习的异态集成学习算法[J]. 模式识别与人工智能, 2019, 32(10): 945-954. WANG Yibin, TIAN Wenquan, CHENG Yusheng. Heterogeneous Ensemble Learning Algorithm Based on Label Distribution Learning. , 2019, 32(10): 945-954.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.201910009      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2019/V32/I10/945
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn