Подход к построению ансамбля классификаторов с использованием генетического алгоритма
В статье рассматривается новый эволюционный подход к построению ансамбля классификаторов.
 Предложенный подход разработан на основе генетического алгоритма с модифицированной схемой
 реализации. В процессе оптимизации происходит определение параметров как отдельных классификаторов,&a...
Збережено в:
| Дата: | 2009 |
|---|---|
| Автори: | , |
| Формат: | Стаття |
| Мова: | Російська |
| Опубліковано: |
Інститут проблем штучного інтелекту МОН України та НАН України
2009
|
| Теми: | |
| Онлайн доступ: | https://nasplib.isofts.kiev.ua/handle/123456789/8021 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Цитувати: | Подход к построению ансамбля классификаторов с использованием генетического алгоритма / Н.А. Новоселова, И.Э. Том // Штучний інтелект. — 2009. — № 3. — С. 81-88. — Бібліогр.: 11 назв. — рос. |
Репозитарії
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1862720333822296064 |
|---|---|
| author | Новоселова, Н.А. Том, И.Э. |
| author_facet | Новоселова, Н.А. Том, И.Э. |
| citation_txt | Подход к построению ансамбля классификаторов с использованием генетического алгоритма / Н.А. Новоселова, И.Э. Том // Штучний інтелект. — 2009. — № 3. — С. 81-88. — Бібліогр.: 11 назв. — рос. |
| collection | DSpace DC |
| description | В статье рассматривается новый эволюционный подход к построению ансамбля классификаторов.
Предложенный подход разработан на основе генетического алгоритма с модифицированной схемой
реализации. В процессе оптимизации происходит определение параметров как отдельных классификаторов,
так и всего ансамбля. С использованием подхода выполнено построение ансамбля классификаторов
на нескольких наборах данных из архива данных по машинному обучению и на одном реальном
наборе медицинских данных. Сравнительное тестирование показало преимущества использования
предложенного подхода при работе с многомерными данными, характеризующимися большим количеством
признаков.
У статті розглядається новий еволюційний підхід до побудови ансамблю класифікаторів. Запропонований
підхід розроблений на основі генетичного алгоритму з модифікованою схемою реалізації. У процесі
оптимізації відбувається визначення параметрів як окремих класифікаторів, так і всього ансамблю.
З використанням підходу виконана побудова ансамблю класифікаторів на декількох наборах даних з
архіву даних по машинному навчанню й на одному реальному наборі медичних даних. Порівняльне
тестування показало переваги використання запропонованого підходу при роботі з багатовимірними
даними, що характеризуються більшою кількістю ознак.
The paper proposes a new evolutionary approach to classifier ensemble design. The proposed approach is
developed on the basis of genetic algorithm with modified realization scheme as applied to the optimization
of feature set decomposition into the subsets, which define the individual ensemble’s classifiers and provide
the high classification accuracy. During optimization both individual classifiers’ parameters and the ensemble
parameters are defined. With the approach a few ensembles were designed for several datasets from machine
learning database and for one real medical dataset. The comparative testing shows the advantages of the
proposed approach for multivariate data analysis with great number of features.
|
| first_indexed | 2025-12-07T18:24:37Z |
| format | Article |
| fulltext | |
| id | nasplib_isofts_kiev_ua-123456789-8021 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 1561-5359 |
| language | Russian |
| last_indexed | 2025-12-07T18:24:37Z |
| publishDate | 2009 |
| publisher | Інститут проблем штучного інтелекту МОН України та НАН України |
| record_format | dspace |
| spelling | Новоселова, Н.А. Том, И.Э. 2010-04-26T15:33:06Z 2010-04-26T15:33:06Z 2009 Подход к построению ансамбля классификаторов с использованием генетического алгоритма / Н.А. Новоселова, И.Э. Том // Штучний інтелект. — 2009. — № 3. — С. 81-88. — Бібліогр.: 11 назв. — рос. 1561-5359 https://nasplib.isofts.kiev.ua/handle/123456789/8021 004.8 В статье рассматривается новый эволюционный подход к построению ансамбля классификаторов.
 Предложенный подход разработан на основе генетического алгоритма с модифицированной схемой
 реализации. В процессе оптимизации происходит определение параметров как отдельных классификаторов,
 так и всего ансамбля. С использованием подхода выполнено построение ансамбля классификаторов
 на нескольких наборах данных из архива данных по машинному обучению и на одном реальном
 наборе медицинских данных. Сравнительное тестирование показало преимущества использования
 предложенного подхода при работе с многомерными данными, характеризующимися большим количеством
 признаков. У статті розглядається новий еволюційний підхід до побудови ансамблю класифікаторів. Запропонований
 підхід розроблений на основі генетичного алгоритму з модифікованою схемою реалізації. У процесі
 оптимізації відбувається визначення параметрів як окремих класифікаторів, так і всього ансамблю.
 З використанням підходу виконана побудова ансамблю класифікаторів на декількох наборах даних з
 архіву даних по машинному навчанню й на одному реальному наборі медичних даних. Порівняльне
 тестування показало переваги використання запропонованого підходу при роботі з багатовимірними
 даними, що характеризуються більшою кількістю ознак. The paper proposes a new evolutionary approach to classifier ensemble design. The proposed approach is
 developed on the basis of genetic algorithm with modified realization scheme as applied to the optimization
 of feature set decomposition into the subsets, which define the individual ensemble’s classifiers and provide
 the high classification accuracy. During optimization both individual classifiers’ parameters and the ensemble
 parameters are defined. With the approach a few ensembles were designed for several datasets from machine
 learning database and for one real medical dataset. The comparative testing shows the advantages of the
 proposed approach for multivariate data analysis with great number of features. ru Інститут проблем штучного інтелекту МОН України та НАН України Интеллектуальный анализ данных Подход к построению ансамбля классификаторов с использованием генетического алгоритма Підхід до побудови ансамблю класифікаторів з використанням генетичного алгоритму Design of Classifier Ensemble by Genetic Algorithm Article published earlier |
| spellingShingle | Подход к построению ансамбля классификаторов с использованием генетического алгоритма Новоселова, Н.А. Том, И.Э. Интеллектуальный анализ данных |
| title | Подход к построению ансамбля классификаторов с использованием генетического алгоритма |
| title_alt | Підхід до побудови ансамблю класифікаторів з використанням генетичного алгоритму Design of Classifier Ensemble by Genetic Algorithm |
| title_full | Подход к построению ансамбля классификаторов с использованием генетического алгоритма |
| title_fullStr | Подход к построению ансамбля классификаторов с использованием генетического алгоритма |
| title_full_unstemmed | Подход к построению ансамбля классификаторов с использованием генетического алгоритма |
| title_short | Подход к построению ансамбля классификаторов с использованием генетического алгоритма |
| title_sort | подход к построению ансамбля классификаторов с использованием генетического алгоритма |
| topic | Интеллектуальный анализ данных |
| topic_facet | Интеллектуальный анализ данных |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/8021 |
| work_keys_str_mv | AT novoselovana podhodkpostroeniûansamblâklassifikatorovsispolʹzovaniemgenetičeskogoalgoritma AT tomié podhodkpostroeniûansamblâklassifikatorovsispolʹzovaniemgenetičeskogoalgoritma AT novoselovana pídhíddopobudoviansamblûklasifíkatorívzvikoristannâmgenetičnogoalgoritmu AT tomié pídhíddopobudoviansamblûklasifíkatorívzvikoristannâmgenetičnogoalgoritmu AT novoselovana designofclassifierensemblebygeneticalgorithm AT tomié designofclassifierensemblebygeneticalgorithm |