基于AdaBoost的不完整数据的信息熵分类算法

基于AdaBoost的不完整数据的信息熵分类算法
吕靖;舒礼莲
【期刊名称】《计算机与现代化》
【年(卷),期】2013(0)9
【摘要】目前,针对不完整数据的集成分类算法没有考虑缺失属性之间的差异,在衡量各个子分类器的权值时仅仅考虑了数据集的大小以及包含属性的多少,并没有考虑各个数据子集之间属性的差异度.本文利用信息熵对各个子数据集的重要程度进行量化,进而评估从该数据集构建出的分类器的权值,使得在最终的加权投票过程更加公平,最终结果更加准确.使用基于multi-class AdaBoost的集成分类算法,以BP 算法为基础分类器,对来自UCI的数据集进行实验,实验结果表明该算法在一定程度上提高了不完整数据的分类精度.
【总页数】4页(P31-34)
【作者】吕靖;舒礼莲
【作者单位】安徽大学计算机科学与技术学院,安徽合肥230601;江西省计算技术研究所,江西南昌330002
【正文语种】中文
【中图分类】TP181
【相关文献】
1.基于模糊决策的不完整数据分类算法 [J], 束建华;李飞凤;方刚
2.基于模糊决策的不完整数据分类算法 [J], 束建华;李飞凤;方刚;
3.基于信息熵差异性度量的数据流增量集成分类算法 [J], 琚春华;邹江波
4.不完整数据集的信息熵集成分类算法 [J], 赵姝;吕靖;张燕平;张以文
5.基于信息熵的数据流自适应集成分类算法 [J], 孙艳歌;王志海;原继东;白洋因版权原因，仅展示原文概要，查看原文内容请购买。