这是名为 GA-EoC 的 Linux 应用程序，其最新版本可以下载为 GA-EoC.jar。 它可以在工作站的免费托管服务提供商 OnWorks 中在线运行。
免费下载并在线运行这个名为 GA-EoC 的应用程序和 OnWorks。
请按照以下说明运行此应用程序：
- 1. 在您的 PC 中下载此应用程序。
- 2. 在我们的文件管理器 https://www.onworks.net/myfiles.php?username=XXXXX 中输入您想要的用户名。
- 3. 在这样的文件管理器中上传这个应用程序。
- 4. 从此网站启动OnWorks Linux online 或Windows online emulator 或MACOS online emulator。
- 5. 从您刚刚启动的 OnWorks Linux 操作系统，使用您想要的用户名转到我们的文件管理器 https://www.onworks.net/myfiles.php?username=XXXXX。
- 6. 下载应用程序，安装并运行。
SCREENSHOTS
Ad
GA-EoC
商品描述
在数据分类中，没有特定的分类器在每种情况下都表现一致。 在高维数据集和类别不平衡数据集的情况下，这甚至是最糟糕的。
为了克服类不平衡数据的局限性，我们使用随机子采样拆分数据集以平衡它们。 然后，我们应用 (alpha,beta)-k 特征集方法来选择更好的特征子集并组合它们的输出以获得用于分类器训练的综合特征集。
为了提高分类性能，我们提出了一个分类器的集合，它使用最简单且广泛使用的多数投票方法结合基分类器的分类输出。
我们没有使用所有基分类器创建集成，而是实施了遗传算法 (GA) 来从异构基分类器中搜索最佳组合。
通过所提出的方法方法在所选数据集上实现的分类性能很有希望。
产品优势
- 生成交叉验证折叠并将数据集保存到磁盘中以备将来以 ARFF 格式使用
- 为所有交叉验证训练折叠生成并序列化到分类器模型磁盘以供 GA-EoC 使用
- 使用完整训练数据集生成所有基本分类器模型并将其序列化到磁盘中。
- 在训练数据集上使用 k 折交叉验证（使用预先生成的 CV 数据集和模型）搜索最佳集成组合以创建分类器的异构集成
- 在未知测试数据上评估最佳集成组合的性能（使用使用完整训练数据的预生成模型）
目的
信息技术、科学/研究、教育、高级最终用户、开发人员
用户界面
控制台/终端，命令行
程式语言
爪哇岛
分类
这是一个也可以从 https://sourceforge.net/projects/geneticensembleclassifier/ 获取的应用程序。 它已托管在 OnWorks 中，以便从我们的免费操作系统之一以最简单的方式在线运行。
