曹振田
- 作品数：4 被引量：20H指数：3
- 供职机构：安徽大学计算机科学与技术学院计算智能与信号处理教育部重点实验室更多>>
- 发文基金：国家自然科学基金国家重点基础研究发展计划更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于Q统计量的选择性集成学习研究
- 机器学习技术已经成功应用在社会生活的各个方面。如手写汉字识别，人脸识别，网络入侵检测等。由于机器学习在应用中取得巨大成就。因此许多研究者都开展了对机器学习的研究。其中集成学习是机器学习研究方面的一个重要研究方向。研究表明...
- 曹振田
- 关键词：差异度Q统计量
- 文献传递
- 基于集成学习的规范化LDA人脸识别被引量：6
- 2010年
- 针对人脸识别问题中经常面临的"小样本"问题,在规范化的LDA算法的基础上加以改进,并结合集成学习的方法,利用Adaboost算法,在每一次的迭代过程中引进一个加权函数对难以分离的样本增加权重。增加分类器之间的差异度,从而提高样本在新的特征空间中的可分离性,将识别率提高至98.5%。通过ORL数据库的大量实验表明,该算法比传统算法有更好的性能。
- 张燕平窦蓉蓉赵姝曹振田
- 关键词：人脸识别
- 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
- 基于成对差异性度量的选择性集成方法被引量：10
- 2010年
- 有效地产生泛化能力强、差异大的个体学习器,是集成学习算法的关键.为了提高学习器的差异性和精度,文中提出一种基于成对差异性度量的选择性集成方法.同时研究一种改进方法,进一步提高方法的运算速度,且支持并行计算.最后通过使用BP神经网络作为基学习器,在UCI数据集上进行实验,并与Bagging、基于遗传算法的选择性集成(GASEN)算法进行比较.实验结果表明,该改进算法在性能上与GASEN算法相近的前提下,训练速度得到大幅提高.
- 杨长盛陶亮曹振田汪世义
- 关键词：并行计算
