一种可并行的贝叶斯集合在线学习算法

计算机科学 ›› 2006, Vol. 33 ›› Issue (4): 159-161.

一种可并行的贝叶斯集合在线学习算法

古平朱庆生

重庆大学计算机学院,重庆400044

出版日期:2018-11-17 发布日期:2018-11-17
基金资助:
重庆市自然科学基金项目（编号2005BB2224）资助.

GU Ping, ZHU Qing Sheng （College of Computer Science and Engineering, Chongqing University, Chongqing 400044）

Online:2018-11-17 Published:2018-11-17

摘要/Abstract

摘要： 无论是Boosting还是Bagging算法，在使用连续样本集进行分类器集合学习时，均需缓存大量数据，这对大容量样本集的应用不可行。本文提出一种基于贝叶斯集合的在线学习算法BEPOL，在保持Boosting算法加权采样思想的前提下，只需对样本集进行一次扫描，就可实现对贝叶斯集合的在线更新学习。算法针对串行训练时间长、成员相关性差的缺点，采用了并行学习的思想，通过将各贝叶斯分量映射到并行计算结构上，提高集合学习的效率。通过UCI数据集的实验表明，算法BEPOL具有与批量学习算法相近的分类性能和更小的时间开销

关键词: 贝叶斯分类器集合在线学习

Abstract: In situation where data is being generated continuously, storing large amounts of data is impractical for Boosting and Bagging algorithms. In this paper, we present a parallelizable Bayesian ensemble online learning algorithm （BEPOL）, which follow the met

Key words: Bayesian classifier, Ensemble, Online-learning

古平朱庆生. 一种可并行的贝叶斯集合在线学习算法[J]. 计算机科学, 2006, 33(4): 159-161. https://doi.org/

GU Ping, ZHU Qing Sheng （College of Computer Science and Engineering, Chongqing University, Chongqing 400044）. [J]. Computer Science, 2006, 33(4): 159-161. https://doi.org/

参考文献

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed