国家教育部博士点基金(20100201120048)
- 作品数：4 被引量：168H指数：4
- 相关作者：张春霞张讲社李毓郭高王冠伟更多>>
- 相关机构：西安交通大学信阳师范学院更多>>
- 发文基金：国家教育部博士点基金国家自然科学基金中央高校基本科研业务费专项资金更多>>
- 相关领域：自动化与计算机技术理学机械工程更多>>
- Out-of-bag样本的应用研究被引量：8
- 2011年
- Bagging集成通过组合不稳定的基分类器在很大程度上降低"弱"学习算法的分类误差,Out-of-bag样本是Bagging集成的自然产物。目前,Out-of-bag样本在估计Bagging集成的泛化误差、构建相关集成分类器等方面得到了广泛应用。文章对Out-of-bag样本的应用进行了综述,阐述了对其进行研究的主要内容和特点,并对它在将来可能的研究方向进行了讨论。
- 张春霞郭高
- 关键词：BAGGING泛化误差
- 基于out-of-bag样本的随机森林算法的超参数估计被引量：14
- 2011年
- 随机森林是一种有效的分类树集成算法,但为了使它具有较高的预测精度,要采用某种方法确定其超参数的最优值.在不额外增加计算复杂性的前提下,提出了一种基于out-of-bag样本估计其超参数取值的方法.仿真试验的结果表明,利用文中提出的方法所选取的超参数在多数情况下都能使随机森林算法的分类效果达到最优.
- 李毓张春霞
- 关键词：泛化能力
- 选择性集成学习算法综述被引量：140
- 2011年
- 集成学习因其能显著提高一个学习系统的泛化能力而得到了机器学习界的广泛关注,但随着基学习机数目的增多,集成学习机的预测速度明显下降,其所需的存储空间也迅速增加.选择性集成学习的主要目的是进一步改善集成学习机的预测效果,提高集成学习机的预测速度,并降低其存储需求.该文对现有的选择性集成学习算法进行了详细综述,按照算法采用的选择策略对其进行了分类,并分析了各种算法的主要特点,最后对选择性集成学习在将来的可能研究方向进行了探讨.
- 张春霞张讲社
- 关键词：多样性泛化能力
- 流形学习在机械故障诊断中的应用研究被引量：7
- 2012年
- 本文针对信号采集系统的特性对流形学习方法性能的影响尚不明确这一问题,采用理论分析和模拟实验的方法,研究了信号采样系统的非线性、零点漂移等特性对流形学习算法性能的影响.结果表明,当信号采样系统的特性保持相对稳定时,流形学习方法可以在一定程度上容忍系统存在的非线性和零点漂移效应.为了使流形学习算法达到较好的效果,在数据的搜集和预处理过程中,应使得数据容易重构到一个高维空间中且它们之间的相似性易于度量.从而,本文的研究结果为流形学习方法在机械故障诊断中的应用提供了一定的理论基础.
- 王冠伟张春霞庄健于德弘
- 关键词：故障诊断流形学习ISOMAP算法
