关键词:
证据推理规则
集成学习
深度学习
智能决策
摘要:
集成学习作为提高分类器泛化能力的一类方法,经常被用于深度学习领域提升模型效果.然而,目前的集成学习方法在结合策略方面多采用表决融合,难以从分类器内挖掘有效信息,难以有效体现各分类器之间的联系.针对上述问题,本文提出一种基于证据推理(Evidence reasoning,ER)规则的集成学习方法.首先,从人类对事物认知过程的角度对集成学习过程进行描述,进而以ER规则作为结合策略构建集成学习模型,并给出模型权重与可靠度的计算方法,最后将该模型与采用其它结合策略的集成学习模型进行比较,验证了模型的有效性.该方法在实际运用中具有良好的泛化性能,在多种分类任务中均可以取得良好的效果.