ScholarMate
English简体中文繁體中文
客服热线:400-1616-289
登录注册
期刊论文

AdaBoost算法研究进展与展望

曹莹; 苗启广; 刘家辰; 高琳西安电子科技大学
自动化学报2013-1-17
7阅读
引用收藏
分享

摘要

AdaBoost是最优秀的Boosting算法之一,有着坚实的理论基础,在实践中得到了很好的推广和应用.算法能够将比随机猜测略好的弱分类器提升为分类精度高的强分类器,为学习算法的设计提供了新的思想和新的方法.本文首先介绍Boosting猜想提出以及被证实的过程,在此基础上,引出AdaBoost算法的起源与最初设计思想;接着,介绍AdaBoost算法训练误差与泛化误差分析方法,解释了算法能够提高学习精度的原因;然后,分析了AdaBoost算法的不同理论分析模型,以及从这些模型衍生出的变种算法;之后,介绍AdaBoost算法从二分类到多分类的推广.同时,介绍了AdaBoost及其变种算法在实际问题中的应用情况.本文围绕AdaBoost及其变种算法来介绍在集成学习中有着重要地位的Boosting理论,探讨Boosting理论研究的发展过程以及未来的研究方向,为相关研究人员提供一些有用的线索.最后,对今后研究进行了展望,对于推导更紧致的泛化误差界、多分类问题中的弱分类器条件、更适合多分类问题的损失函数、更精确的迭代停止条件、提高算法抗噪声能力以及从子分类器的多样性角度优化AdaBoost算法等问题值得进一步深入与完善.

学科与关键词

关键词
集成学习BoostingAdaBoost泛化误差分类间隔多分类 Ensemble learningBoostingAdaBoostgeneralization errorclassification marginmulticlass classification
相关
加载中…
  • 一种改进的AdaBoost算法——AD AdaBoost
    李闯; 丁晓青; 吴佑寿计算机学报, 2007, (01): 103-109.
  • 基于拟合型弱分类器的AdaBoost算法
    宋鹏峰; 叶庆卫; 陆志华; 周宇电信科学, 2019, (11): 27-35.
  • 具有Fisher一致性的代价敏感Boosting算法
    曹莹; 苗启广; 刘家辰; 高琳软件学报, 2013, (11): 2584-2596.
查看全部 →

发表信息

论文状态
公开发表
期刊
自动化学报
发表日期
2013-01-17
卷期
第 06 期
页码
745-758
成果收录
CHINAJOURNAL
资助标注
国家自然科学基金(61072109,61272280,41271447,61272195);教育部新世纪优秀人才支持计划(NCET-12-0919);中央高校基本科研业务费专项资金(K5051203020,K5051203001,K5051303018)资助~~

作者

  • 曹

    曹莹 (第一作者)

  • 苗

    苗启广

查看全部 4 位作者收起作者
  • 刘

    刘家辰

  • 高

    高琳

登录解锁更多功能

  • 收藏这篇,随时在“我的 · 收藏”找回
  • 认领你的成果,生成推广素材
  • 关注作者获取最新成果
  • 加入项目组、协同写作
注册 / 登录

产品服务

  • 科研之友
  • 创新城
  • 科创云

服务支持

  • 帮助中心
  • 隐私政策
  • 服务条款

联系方式

在线客服:【】
客服热线:400-1616-289
电子邮箱:support@scholarmate.com

关注或下载科研之友

微信二维码
微信公众号
客户端下载二维码
下载客户端
科研成果科研人员科研机构科研动态爱瑞思软件

©2026 深圳市科研之友网络服务有限公司

公安备案图标粤公网安备 44030502000213
粤ICP备 16046710 号粤B2-20110417