资料下载
×
一种拥有较好可解释性的启发式多分类集成算法
消耗积分:0 |
格式:rar |
大小:0.83 MB |
2021-03-24
分享资料个
多分类器系统作为混合智能系统的分支，集成了具有多样性的分类器集合，使整体得到更优的分类性能结果融合是该领域中的一个重要问题，在相同分类器成员下，好的融合策略可以有效提升系统整体的分类正确率随着模型安全性得到重视，传统融合策略可解释性差的冋题凸显。夲文基于心理学中的知识线记忆理论进行建模参考人类决策过程，提出了一种拥有较好可解释性的启发式多分类器集成算法，称为知识线集成算法。该算法模拟人类学习与推断的行为，组织多分类器结果的融合。在训练中，模型收集给定分类器集合的不同子集，构建不同特征空间到解空间的映射，构成知识线。在推断时，模型启发式地激活知识线，进行选择性结果集成，得到推断结果知识线集成使用样本驱动的模式，易于进行中间过程与最终结果的分析。以决策树作为分类器的实验表明，在相同的决策树集合下，知识线集成算法分类正确率与随机森林相仿。在此基础之上，知识线集成算法可量化问题不同粒度下的难易程度，且在推断时能提供相关训练样本作为依据。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
