基于Stacking集成学习的信源数估计方法

针对小快拍数下的信源数估计,文中提出了一种基于Stacking集成学习的信源数估计模型,该模型整合XGBoost、LightGBM及简单全连接神经网络作为三个并行的初级学习器,并将Logistic Regression模型作为次级学习器,最终得到Stacking集成学习的信源数估计模型XLN-L-Stacking。实验结果表明,采用这种基于Stacking集成学习的方法来构建的XLN-L-Stacking模型,会明显提高小快拍数条件下的信源数估计精度。相对于单一的XGBoost、LightGBM和简单神经网络模型有较大的提升,并且优于其他方式的集成算法。