BAGGING

作品数：300被引量：1727H指数：18
导出分析报告
相关领域：自动化与计算机技术更多>>
相关作者：张翔周明全翟飞杨新武耿国华更多>>
相关机构：江南大学西安交通大学云南大学华南理工大学更多>>
相关期刊：更多>>
相关基金：国家自然科学基金中央高校基本科研业务费专项资金国家高技术研究发展计划国家教育部博士点基金更多>>
-
在结果中检索

检索结果分析

结果分析中...
选择条件：
  • 期刊=小型微型计算机系统x
共 条 记 录，以下是1-4
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
一种基于深度网络的少样本学习方法被引量：2
《小型微型计算机系统》2019年第11期2304-2308,共5页余游 冯林 王格格 徐其凤 
国家科技支撑计划项目(2014BAH11F01,2014BAH11F02)资助
少样本学习是目前机器学习研究领域的热点与难点.在源域和目标域分布差异很大的情况下,现有的主流少样本学习算法训练得到的模型,泛化能力较弱,导致识别率不高.针对这个问题,提出一种基于深度网络的少样本学习方法 DL-FSL(Deep Learning...
关键词：深度网络 Bagging模型 少样本学习 Pytorch 
一种基于特征选择的SVM Bagging集成方法被引量：9
《小型微型计算机系统》2014年第11期2533-2537,共5页亓慧 王文剑 郭虎升 
国家自然科学基金项目(60975035;61273291;61273294)资助;山西省回国留学人员科研基金项目(2012-008)资助;山西省科技厅基础条件平台项目(2012091003-0104)资助;山西省研究生教育创新项目(20133001)资助
针对传统支持向量机(Support Vector Machine,SVM)集成学习(Ensemble Learning,EL)方法不能够解决高维复杂数据且子学习器差异性小集成效果不明显的问题,提出一种基于多种特征选择方法进行Bagging集成的支持向量机学习(Support Vector M...
关键词：支持向量机 集成学习 特征选择 Bagging方法 
Bagging中文文本分类器的改进方法研究被引量：8
《小型微型计算机系统》2010年第2期281-284,共4页张翔 周明全 耿国华 
国家自然科学基金项目(60736008)资助
在文本分类研究中,集成学习是一种提高分类器性能的有效方法.Bagging算法是目前流行的一种集成学习算法.针对Bagging算法弱分类器具有相同权重问题,提出一种改进的Bagging算法.该方法通过对弱分类器分类结果进行可信度计算得到投票权重...
关键词：中文文本分类 可信度 ATTRIBUTE BAGGING 
基于MultiBoost的最小分类误差算法被引量：2
《小型微型计算机系统》2005年第11期1948-1950,共3页王元珍 乐树彬 
国家"八六三"计划资助
基于MultiBoost分类组装技术,提出了一种用增量交叉验证技术求MultiBoost最小分类误差的算法,以使之在指定分类器数量T的范围内找出具有最小分类误差的合成分类器.
关键词：分类组装算法 最小分类误差 MultiBoost Wagging BAGGING ADABOOST 
全选清除导出
共1页<1>
检索报告 对象比较 聚类工具 使用帮助 返回顶部