基于改进最大相关最小冗余的选择性集成分类器
Selective ensemble classifier based on improved maximum relevance and minimum redundancy作者机构:华东理工大学能源化工过程智能制造教育部重点实验室上海200237
出 版 物:《高技术通讯》 (Chinese High Technology Letters)
年 卷 期:2022年第32卷第1期
页 面:40-49页
学科分类:08[工学] 081104[工学-模式识别与智能系统] 0811[工学-控制科学与工程]
基 金:国家自然科学基金(21878081) 国家重点研发计划(2020YFA0908300)资助项目。
主 题:选择性集成 最大相关最小冗余(mRMR) 特征选择 正交化 距离相关系数(DCC)
摘 要:在构建选择性集成分类器时,寻找分类准确率高且差异性大的最优分类器子集至关重要。为平衡集成子集中基分类器的准确性和多样性,提出了一种基于改进最大相关最小冗余的选择性集成分类器(ImRMRSEC)。首先,将基分类器对验证集的预测结果视为一个个“特征,把特征选择的思想扩展到集成分类器的约简问题中,基于最大相关最小冗余准则寻找基分类器子集。其次,引入Gram-Schmidt正交化求取“特征的等价向量,替代原向量输入最大相关最小冗余算法中,并基于距离相关系数(DCC)衡量相关性。同时,利用序列浮动前向选择方法搜索最优子集。实验结果充分展示了所构建分类器卓越的设计性能。