陈凯
- 作品数：11 被引量：99H指数：2
- 供职机构：中国人民大学统计学院更多>>
- 发文基金：国家自然科学基金教育部人文社会科学重点研究基地度重大研究项目中财121人才工程青年博士发展基金更多>>
- 相关领域：自动化与计算机技术经济管理环境科学与工程理学更多>>
- 一种改进的集成混合遗传算法被引量：2
- 2008年
- 文章针对传统的遗传算法的早熟现象(即很快收敛到局部最优解而不是全局最优解),提出了一种将传统优化方法以及模拟退火算法与遗传算法相结合的新思路,即分别在无约束问题和有约束问题两种情况下,采用下降算法和模拟退火算法与遗传算法相结合的混合遗传算法;并将此混合算法应用于实际问题求解中,实验表明该算法具有全局最优性和收敛性。
- 陈凯马景义温慧博
- 关键词：遗传算法混合遗传算法
- 基于聚类技术的集成学习差异性研究
- 2008年
- 目前,集成学习特别是选择性集成学习研究已经成为统计机器学习研究的一大热点,从众多的个体学习器中选择差异大且效果好的进行集成已被学术界达成共识,但如何度量个体学习器彼此之间的差异性依然是一个难点。本文提出了一种利用变相似度聚类技术来进行选择性集成学习的算法——SE-Bagging Trees算法。模拟数据表明,该算法往往比简单集成学习算法具有更好的学习效果。
- 陈凯
- 关键词：分类回归树自助法
- 基于块状bootstrap技术的Bagging Trees集成算法研究
- 2008年
- 集成算法已经成为机器学习研究的一大热点,已有许多改进的集成算法,但对"病态"数据的集成研究并不常见。本文通过对一海藻繁殖案例的研究,提出了一种基于块状bootstrap技术的集成算法,并将其与几种常用的集成算法比较研究得出,在对于一些"病态"数据而言,该算法往往比其它算法具有更小的模型推广误差和更高的预测精度的优点。
- 陈凯马景义
- 关键词：决策树自助法
- 一种基于差异思想的选择性Bagging Trees集成算法研究
- 2008年
- 本文通过对鸢尾花数据的研究,提出了一种基于分类器的分类效果差异而进行快速选择的一种改进的Bagging Trees集成算法。并通过同其他统计机器学习方法,如:CART、Bagging Trees、Random Forest以及目前流行的基于遗传算法的选择性集成算法GASEN等比较得出,该算法对于分类问题而言,具有较高的准确率,而且与GASEN算法相比,运行的效率也得到了较大的提高。
- 陈凯朱钰王征
- 关键词：决策树自助法
- 机器学习及其相关算法综述被引量：91
- 2007年
- 自从计算机被发明以来,人们就想知道它能不能学习。机器学习从本质上是一个多学科的领域。它吸取了人工智能、概率统计、计算复杂性理论、控制论、信息论、哲学、生理学、神经生物学等学科的成果。文章主要从统计学习基础的角度对机器学习的发展历程以及一些相关的常用算法进行了简要的回顾和介绍。
- 陈凯朱钰
- 关键词：无指导学习
- 基于回归问题的选择性集成算法被引量：2
- 2009年
- 提出一种应用于回归问题,以分类回归树为基学习器,并综合Boosting和Bagging算法的特点,利用变相似度聚类技术和贪婪算法来进行选择性集成学习的算法——SER-BagBoosting Trees算法。将其与几种常用的机器学习算法进行比较研究,得出该算法往往比其他集成学习算法具有更好的泛化性能和更高的运行效率。
- 陈凯
- 关键词：分类回归树
- 一种基于k-means聚类技术的快速选择性Bagging Trees集成算法研究
- 2008年
- 选择性集成算法是目前机器学习关注的热点之一。在对一海藻繁殖案例研究的基础上,提出了一种基于k-means聚类技术的快速选择性Bagging Trees集成算法;同时与传统统计方法和一些常用的机器学习方法相比较,发现该算法具有较小的模型推广误差和更高的预测精度的优点,而且其运行的效率也得到了较大的提高。
- 陈凯温慧博
- 关键词：决策树自助法
- 基于GASEN技术的选择性BagBoosting Trees集成学习研究
- 2008年
- 目前集成学习算法已经成为机器学习研究的一大热点,已有人提出许多改进的集成学习算法。本文提出了一种综合了Boosting和Bagging算法特点的选择性集成学习算法--SE-BagBoosting Trees算法。并将其与几种常用的机器学习算法比较研究得出,该算法往往比其它算法具有更小的模型推广误差和更高的预测精度的优点。
- 陈凯
- 关键词：决策树自助法
- 基于分类问题的选择性集成学习研究被引量：4
- 2009年
- 提出了一种应用于分类问题,以分类回归树为基学习器,并综合了AdaBoost.M1和Bagging算法特点,利用变相似度聚类技术和贪婪算法来进行选择性集成学习的算法——SEC-AdaBoostBaggingTrees,并将其与几种常用的机器学习算法比较研究得出,该算法往往比其他算法具有更好的泛化性能和更高的运行效率。
- 陈凯
- 关键词：分类回归树自助法
- 一种选择性SER-BagBoosting Trees集成学习研究
- 2009年
- 集成学习已成为机器学习研究的一大热点。提出了一种综合Bagging和Boosting技术特点,以分类回归树为基学习器构造一种新的相似度指标用于聚类并利用聚类技术和贪婪算法进行选择性集成学习的算法——SER-BagBoosting Trees算法。算法主要应用于回归问题。实验表明,该算法往往比其它算法具有更好的泛化性能和更高的运行效率。
- 陈凯马景义
- 关键词：分类回归树自助法
