摘要
针对AdaBoost算法在训练过程中对噪声数据敏感,影响其分类性能的问题进行研究,提出了一种基于模糊综合评价弱分类器的改进AdaBoost算法。把模糊综合评价模型构建成一类弱分类器,然后组合成Adaboost强分类器。首先将特征值分布曲线分割成为多个高斯单峰函数,每个高斯单峰函数对应一个模糊隶属度函数,离散化后构建单因素矩阵集合;其次依据单因素矩阵来构建模糊综合评价模型,从而形成模糊综合评价弱分类器;最后通过改变评价指标权重向量进行搜索寻优,选择总误差最小的权重向量和单因素矩阵集构成的模糊评价弱分类器,得到最佳弱分类器后组合构成新的AdaBoost强分类器。算法能够接受样本特征值在一定范围内的变动而不改变标记值,对于学习噪声样本具有更好的容错能力。实验结果表明,所提出的改进算法有效提高了分类器的鲁棒性。
作者
章联军
张梦娇
宋鹏峰
叶庆卫
Zhang Lianjun;Zhang Mengjiao;Song Pengfeng;Ye Qingwei
基金
国家自然科学基金资助项目(No.51675286、No.61071198)
中国高等教育学会2020年“高等教育信息化研究”专项课题资助(2020XXHYB08)。