基于Boosting的TAN组合分类器

作     者：石洪波 黄厚宽 王志海 

作者机构：北京交通大学计算机与信息技术学院 

出 版 物：《计算机研究与发展》 (Journal of Computer Research and Development)

年 卷 期：2004年第41卷第2期

页      面：340-345页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家"十五"科技攻关计划重点基金项目 ( 2 0 0 2BA40 7B) 

主　　题：Boosting 组合方法 TAN 依赖关系 

摘      要：Boosting是一种有效的分类器组合方法 ,它能够提高不稳定学习算法的分类性能 ,但对稳定的学习算法效果不明显 TAN(tree augmentedna veBayes)是一种树状结构的贝叶斯网络 ,标准的TAN学习算法生成的TAN分类器是稳定的 ,用Boosting难以提高其分类性能 提出一种构造TAN的新算法GTAN ,并将由GTAN生成的多个TAN分类器用组合方法BoostingMultiTAN组合 ,最后实验比较了TAN组合分类器与标准的TAN分类器 实验结果表明 ,在大多数实验数据上 ,Boosting