重庆理工大学学报（自然科学）

重庆理工大学学报（自然科学） ›› 2021, Vol. 35 ›› Issue (1): 168-179.doi: 10.3969/j.issn.1674-8425(z).2021.01.022

• 信息·计算机 • 上一篇    下一篇

一种深度置信提升网络集成分类模型

宋晓明a,曲文龙a,b,阚明阳a,汪慎文a,b   

  1. 河北地质大学 a.信息工程学院;b.机器学习与人工智能实验室,石家庄 050031
  • 出版日期:2021-02-22 发布日期:2021-02-22
  • 作者简介:宋晓明,男,硕士研究生,主要从事深度学习方面研究,E-mail:635554359@qq.com;通讯作者曲文龙,男,博士,教授,主要从事数据挖掘?机器学习和并行计算研究,E-mail:quwenl@126.com?
  • 基金资助:
    国家自然科学基金资助项目(61402481);河北省重点研发计划项目(18212005);河北省教育厅自然科学基金重点项目(ZD2018083);河北青年拔尖人才支持计划项目(冀字[2013]17号)

  • Online:2021-02-22 Published:2021-02-22

PDF (PC)

221

赞

摘要： 针对前大数据环境下浅层机器学习模型提取特征能力不足?分类能力有限等问题,提出了一种深度置信提升网络集成分类模型?该模型采用集成深度置信网络(deepbeliefnetworks,DBN)进行特征提取,克服了单一模型特征提取能力不足的问题;采用极端梯度提升决策树(eXtremegradientboosting,XGBoost)和梯度提升决策树(gradientboostdecisiontree,GDT)构建深层提升网络,对提取特征进行多层特征深度学习,采用相对多数投票法输出分类结果?基于4个UCI公开数据集和MNIST数据集对提出模型进行了检测实验,实验结果表明:提出模型较深度置信网络?极限梯度提升树和DBNXGBDT等3种模型的准确率分别提升了13.8%?698%和4.18%?

关键词: 深度置信网络, 级联结构, 集成学习, 分类

中图分类号: 

  • TP181