摘要：提出了一种新的Boosting算法LAdaBoost。LAdaBoost算法利用局部错误率更新样本被选用于训练下一个分类器的概率，当对一个新的样本进行分类时，考虑了该样本与其邻域内的每个训练样本的近似度；另外，提出了有效邻域的概念。根据不同的组合方法，得到了两种LAdaBoost算法，即LAdaBoost-1和LAdaBoost-2。在UCI上部分实验数据集的实验结果表明，LAda．Boost算法比AdaB00st和Bagging算法更有效，且鲁棒性更好。

原文链接:http://www.cqvip.com//QK/91690X/201206/40921192.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）