ensemble classifier | BriefGPT

关键词ensemble classifier

搜索结果 - 11

众志成城：使用集成模型的逐轮一致性来抵御过拟合
通过理论分析和经验验证，在深度神经网络中，过拟合发生时，分类器之间的差异性增加。受此结果的指导，我们提出了一种新的基于集成的预测方法，以对抗过拟合。该方法通过选择训练过程中最一致的预测结果来确定最终预测，有效消除了过拟合对模型泛化性能的不利
PDF9 months ago
生产评估中的辅助系统信息融合
提出了一种基于信息融合的新方法来定义依赖于结合不同信息源的辅助系统，以同时提供评估。本文的主要贡献是提供了一个利用证据理论来融合 n 个信息源的通用框架。融合能够提供更强大的预测和相应的不确定性，可用于评估预测的准确性。此外，我们提供了一种
PDF10 months ago
热成像中的热点检测和隔离的自监督学习
使用自监督学习的热点检测方法结合集成分类器和精确热点隔离技术，在热成像中能够准确识别和定位热点，并在多个领域中应用。
PDF10 months ago
RED CoMETS：用于符号表示的多变量时间序列的集成分类器
RED CoMETS 是一种新的集成分类器，是在符号表示的单变量时间序列的基础上扩展到处理多变量数据的，能够有效地处理高维度、时间依赖性和不同长度的多变量时间序列数据，在 UCR 存档的基准数据集上表现出与最先进技术相媲美的准确性，尤其在
PDFa year ago
心血管疾病预测的集成框架
该研究使用基于机器学习算法的集成分类器框架，结合多种性能度量方法，对一个包含多国心血管疾病个体的大型数据集进行研究，获得了 92.34% 的准确率，较现有研究表现更佳。
PDFa year ago
有限数据下社交机器学习的非渐进性能
本文研究了社交机器学习框架中的错误概率，包括独立训练阶段和在图上进行合作决策阶段。针对两种有限观测的分类任务，我们描述了分布式学习规则并相应地分析了错误概率。针对统计分类问题，我们采用几何社交学习规则进行性能分析。针对单样本分类任务，我们建
PDFa year ago
SPRITZ-1.5C：采用深度集成学习提高计算机网络对抗性攻击的安全性
本研究提出了一种新的基于 1.5 类分类器的架构，该分类器结合了 1C 分类的增强安全性和 2C 分类的高性能，并通过考虑 8 种可能的对抗攻击，在各种场景下评估了该架构的鲁棒性。结果表明，该架构对 IFGSM 攻击的攻击成功率为 0.00
PDF2 years ago
TS-CHIEF：一种可扩展和准确的用于时间序列分类的随机森林算法
TS-CHIEF 是一种新的 TSC 算法，它构建了一个集成了最有效的时间序列嵌入式森林的集成分类器，通过使用树形分类器进行高效的分类。我们对加利福尼亚大学河滨（UCR）档案的 85 个数据集进行了评估，在可扩展性和效率方面实现了最新的准确
PDF5 years ago
深度学习是一种优秀的隐写分析工具，当不同图像重复使用嵌入密钥时即使存在封面源不匹配的情况下也适用
本研究探讨了卷积神经网络和全连接神经网络在语音隐写分析中的应用，结果表明相较于传统的 Rich Models（RM）集成分类器（EC）方法，如果 CNN 和 FNN 被很好的参数化，其结果更胜一筹，演示了在 clairvoyant 场景下，
PDF9 years ago
ICML用于鸟鸣声的多标签分类器链
该研究提出了一种用于多标签分类鸟鸣的分类器链集合方法，并结合分段直方图表示进行实验比较，发现该方法通常优于二元关联法，在某些情况下优于多实例多标签学习算法。
PDF11 years ago
MM在没有标签数据的情况下对多个预测器进行排名和组合
本文介绍了一种基于谱方法的元学习器，可以在只有多个分类器的推荐或预测的情况下，可靠地排名它们，并构建一个比大多数组合中的分类器更准确的元分类器。该方法假设分类器之间具有条件独立性，并通过计算其协方差矩阵和特征向量进行排名，并进一步引入谱元学
PDF11 years ago