LS-Ensem:一种用于回归的集成算法

来源 :计算机学报 | 被引量 : 0次 | 上传用户:kwok916
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
借鉴Friedman提出的基于函数空间的梯度下降搜索的思想,提出了一种新的集成学习算法——LS-Ensem算法.该算法只要求个体函数满足一个很宽松的条件,从而避免了每轮迭代中寻找最优个体函数所需的大量计算,显著地降低了算法的计算复杂性.理论分析表明该算法具有指数级收敛速度以及良好的泛化性能,文中还给出了泛化误差的界.仿真结果验证了理论分析的结论,并且还显示出LS-Ensem算法能够有效地抑制过拟合发生.
其他文献
研究了具有模糊截止期的多控制任务的实时调度问题,提出了奉献度的概念和最大奉献优先(LDF)的调度策略.为了减小因任务间频繁切换造成的系统开销。提出了基于抢占阈值的最大奉献
提出了一种利用改进的遗传算法和表面间平均体积测度进行深度像匹配的方法.与现有基于距离的误差评判不同,该方法通过衡量深度像重叠区域内每个三角形所对应三维空间的大小来指导深度像的配准.另外,遗传算法的使用避免了困扰ICP算法的初值选取问题,退火选择、最优个体迁移以及动态的空间退化都保证文中所提出的混合遗传算法比传统的遗传算法具有更快的收敛速度,能够有效地完成深度像的精确匹配.实验结果表明该算法具有较高
给出了关键方程的全新的推广,构造了一个齐次关键模方程,并用域F上的两个变元的多项式环F[x,y]的齐次理想刻画该方程的解空间;证明了齐次关键模方程可以用来解决卷积码的盲识
在系统分析不同类型模糊模型的统一性描述及其待学习参数的特征分类基础上,提出了基于协作共同进化的广义模糊模型(COOPCE—GFM),论述了所涉及的相关问题,包括种群的编码及其不同