Selection of classifiers and their combiners based on multi-objective optimization in ensemble learning
- سال انتشار: 1392
- محل انتشار: همایش مهندسی کامپیوتر و توسعه پایدار با محوریت شبکه های کامپیوتری، مدلسازی و امنیت سیستم ها
- کد COI اختصاصی: CESD01_017
- زبان مقاله: انگلیسی
- تعداد مشاهده: 1019
نویسندگان
Derartment of Electrical and Computer Engineering, Graduate University of High Technology, Kerman, Iran
۲Department of Computer Engineering, Shahid Bahonar University of Kerman, Iran
چکیده
Ensemble learning is a method that improves the performance of classification problems. According to recent studies, selecting a subset of trained classifiers is better than all of available classifiers. By using these studies and evolutionary multi-objective optimization methods, we propose an ensemble learning approach called Multi-objective Optimization for Selecting and Combining Different Classifiers (MOSCDC) that selects the best classifiers and their combiners based on error and diversity objectives. MOSCDC strongly decreases the generalization error model. For optimization of error and diversity objectives in order to select classifiers and their combiners, we use multi-objective optimization methods based on genetic algorithm. In order to calculate the diversity of classifiers, we use Q-statistic method in our experiments. We compare the results of our experiment with related works on different datasets from UCI Machine Learning Repository and most of the time we obtain better results from the view point of classification accuracy and diversity.کلیدواژه ها
Ensemble learning, Diversity classifier, Classifier selection, Multi-objective optimization, Accuracyمقالات مرتبط جدید
- استفاده از اینترنت اشیا در بهبود مدیریت بار و افزایش کارایی شبکه های برق
- بهینه سازی توان در سیستم های چند هسته ای با استفاده از یادگیری تقویتی و تخصیص منابع
- بررسی مدارهای مجتمع آنالوگ کم مصرف برای کاربردهای پزشکی
- Physical Layer Security in ۵G Networks Using ArtificialInterference
- یک روش جدید در سیستم های توصیه گر برای پیش بینی سلیقه کاربران با استفاده ازالگوریتم بهینه سازی نهنگ
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.