计算机应用

作者：朱亮, 徐华, 崔鑫

单位：江南大学 人工智能与计算机学院, 江苏 无锡 214122

关键词：权重,多样性,AdaBoost,双误度量,分类性能

针对传统AdaBoost算法的基分类器线性组合效率低以及过适应的问题，提出了一种基于基分类器系数与多样性的改进算法——WD AdaBoost。首先，根据基分类器的错误率与样本权重的分布状态，给出新的基分类器系数求解方法，以提高基分类器的组合效率；其次，在基分类器的选择策略上，WD AdaBoost算法引入双误度量以增加基分类器间的多样性。在五个来自不同实际应用领域的数据集上，与传统AdaBoost算法相比，CeffAda算法使用新的基分类器系数求解方法使测试误差平均降低了1.2个百分点；同时，WD AdaBoost算法与WLDF_Ada、AD_Ada、sk_AdaBoost等算法相对比，具有更低的错误率。实验结果表明，WD AdaBoost算法能够更高效地集成基分类器，抵抗过拟合，并可以提高分类性能。

来源：2021年第8期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第8期