文件名称：AdaBoost算法研究进展与展望
文件大小：1.45MB
文件格式：PDF
更新时间：2017-08-31 03:08:34
集成学习 AdaBoost 泛化误差 分类间隔
本文首先介绍Boosting 猜想提出以及被证实的过程, 在此基础上, 引出 AdaBoost 算法的起源与最初设计思想; 接着, 介绍 AdaBoost 算法训练误差与泛化误差分析方法, 解释了算法能够提高学习精度的原因; 然后, 分析了 AdaBoost 算法的不同理论分析模型, 以及从这些模型衍生出的变种算法; 之后, 介绍 AdaBoost 算法从二分类到多分类的推广. 同时, 介绍了 AdaBoost 及其变种算法在实际问题中的应用情况. 本文围绕 AdaBoost 及其变种算法来介绍在集成学习中有着重要地位的 Boosting 理论, 探讨Boosting 理论研究的发展过程以及未来的研究方向, 为相关研究人员提供一些有用的线索. 最后, 对今后研究进行了展望, 对于推导更紧致的泛化误差界、多分类问题中的弱分类器条件、更适合多分类问题的损失函数、更精确的迭代停止条件、提高算 法抗噪声能力以及从子分类器的多样性角度优化 AdaBoost 算法等问题值得进一步深入与完善.