论文部分内容阅读
提出一种选择性集成学习算法，该算法利用多线程并行优化基分类器的参数，通过多层筛选和动态更新筛选信息获取最优的候选基分类器集合，解决了以往在集成学习中选择分类器效率低下的问题。集成分类器采用分解合并的策略进行加权投票，通过使用二分法将大数据集的投票任务递归分解成多个子任务，并行运行子任务后合并投票结果以缩短集成分类器的投票运行时间。实验结果表明，相对于传统方法，所提出的算法在平均精度、F1-Measure以及AUC指标上都有着显著提升。