Boosting算法研究及其在光譜分析中的應用.pdf_第1頁
已閱讀1頁，還剩73頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權，請進行舉報或認領

文檔簡介

1、集成學習算法通過訓練多個弱學習算法并將其結論進行合成,可以顯著地提高學習系統(tǒng)的泛化能力.Boosting算法作為集成學習算法的主要代表算法,得到了廣泛的研究和應用,但其研究成果大部分都集中的分類問題上.該文主要研究了Boosting回歸算法.首先對以損失函數(shù)梯度下降為原理的樣本無權值算法進行了闡述,并給出了一個實際問題的仿真結果.其次對按概率取樣本的有權值算法進行了大量實驗,實驗結果顯示出按概率選擇樣本權值算法比無權值算法的總體性能更為

2、優(yōu)秀,但其個體算法的不穩(wěn)定性以及為了獲得穩(wěn)定結果所需要的巨大計算時間使其不可能成為一種能廣泛應用的算法.針對以上兩種方法的缺陷,該文提出了一種新的按概率取樣本的改進算法.仿真結果顯示,改進算法比前兩種算法的性能都要優(yōu)秀.算法的計算時間和算法的精度相關,因此在實際應用中可以通過平衡算法性能和計算時間來獲得需要的結果.最后,對改進算法所表現(xiàn)出來的不足,該文提出了一種結合無權值算法的方法,雖然這個算法的最終計算結果相比改進算法在性能上沒有太大

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論