基于准确性和多样性的在线动态选择集成建模方法
为了解决复杂工业过程中的概念漂移问题,提高集成学习模型的泛化性能,在保证集成学习模型精度的基础上,提出了一种用于优化多样性的基学习器在线动态选择集成建模方法.该方法以在线极限学习机作为基学习器,按照基学习器在滑动窗口上的分类精度对其进行逆序排序,将基学习器在滑动窗口上的其他性能指标作为特征属性,依次利用近似线性依靠条件挑选出准确且多样的基学习器用于集成输出,提高了集成学习模型在处理概念漂移数据流时的分类精度.最后,使用合成数据集和公开数据集验证了所提算法的合理性与有效性.
概念漂移;集成学习;近似线性依靠;在线极限学习机;准确性;多样性
47
U461;TP308(汽车工程)
国家重点研发计划资助项目2017YFB0306404
2021-11-22(万方平台首次上网日期,不代表论文的发表时间)
共8页
1211-1218