基于改进最大相关最小冗余的选择性集成分类器

摘要：

在构建选择性集成分类器时,寻找分类准确率高且差异性大的最优分类器子集至关重要.为平衡集成子集中基分类器的准确性和多样性,提出了一种基于改进最大相关最小冗余的选择性集成分类器(ImRMRSEC).首先,将基分类器对验证集的预测结果视为一个个"特征",把特征选择的思想扩展到集成分类器的约简问题中,基于最大相关最小冗余准则寻找基分类器子集.其次,引入Gram-Schmidt正交化求取"特征"的等价向量,替代原向量输入最大相关最小冗余算法中,并基于距离相关系数(DCC)衡量相关性.同时,利用序列浮动前向选择方法搜索最优子集.实验结果充分展示了所构建分类器卓越的设计性能.

关键词：选择性集成;最大相关最小冗余(mRMR);特征选择;正交化;距离相关系数(DCC)

所属期刊栏目：32

资助基金：国家自然科学基金;国家重点研发计划

在线出版日期：2022-03-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：40-49