Indexed by：
Abstract：
针对线性回归模型的变量选择问题，本文基于遗传算法提出了一种新的Boosting学习方法。该方法对每一训练个体赋予权重，以遗传算法作为Boosting的基学习算法，将带有权重分布的训练集作为遗传算法的输入进行变量选择。同时，根据前一次变量选择效果的好坏更新训练集上的权重分布。重复上述步骤多次，最后以加权融合方式合并多次变量选择的结果。基于模拟和实际数据的试验结果表明，本文新提出的Boosting方法能显著提高传统遗传算法用于变量选择的质量，准确识别出与响应变量相关的协变量，这为线性回归模型的变量选择提供了一种有效的新方法。
Keyword：
Reprint Author's Address：
Email：
Source ：
工程数学学报
ISSN： 1005-3085
Year： 2015
Issue： 5
Page： 677-689
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 9
Affiliated Colleges：
