杜玲
- 作品数：4 被引量：5H指数：2
- 供职机构：安徽大学更多>>
- 发文基金：国家自然科学基金国家重点基础研究发展计划中国博士后科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 一种新的决策树选择性集成学习方法被引量：3
- 2010年
- 个体学习器的差异度是集成学习中的关键因素。流行的集成学习算法如Bagging通过重取样技术产生个体学习器的差异度。选择性集成从集成学习算法产生的个体学习器中选择一部分来集成,结果表明比原集成更好。但如何选择学习器是个难题。使用Q统计量度量两个学习器的差异度,提出一种新的决策树选择性集成学习方法。与C4.5,Bagging方法相比,表现出很好的效果。
- 张燕平曹振田赵姝郑尧军杜玲窦蓉蓉
- 关键词：Q统计量
- 构造性覆盖方法的增量学习算法被引量：3
- 2009年
- 构造性机器学习方法——覆盖算法学习速度快、复杂度低、可解释性强,能有效地解决有导师学习问题,并取得了很好的效果,但构造神经元的权值即取新覆盖中心时通常人为地给定一个准则,并未遵循样本的分布特征求得最优解.由此采用佳点集理论求取覆盖中心,以改进覆盖算法.针对大规模或动态数据集的分类问题,将构造性覆盖方法与增量学习的思想相结合,提出了构造性覆盖方法的增量学习算法.该算法利用改进的覆盖算法作为基础学习器,通过连续地对新增样本进行测试而反复不断地提炼已有模型,体现了对样本的"渐近式"学习.对标准数据集的实验结果表明,这种增量学习算法是有效的.
- 张燕平杜玲赵姝
- 关键词：佳点集
- 覆盖算法的增量学习研究
- 近年来，随着时代的进步，信息技术的迅猛发展，在实际应用中，有许多数据会随着时间的变化而不断变化，想要一次性获得所有的数据作为机器学习算法需要的训练样本是很困难的，有时是不现实的。面对这类不断更新、动态变化的信息数据，如果...
- 杜玲
- 关键词：佳点集遗忘机制
- 文献传递
- 构造性机器学习方法的增量学习算法
- 构造性机器学习方法——覆盖算法学习速度快、复杂度低、可解释性强，能有效地解决有导师学习问题，并取得了很好的效果，但构造神经元的权值即取新覆盖中心时通常人为地给定一个准则，并未遵循样本的分布特征求得最优解。由此采用佳点集理...
- 张燕平杜玲赵姝
- 关键词：佳点集
