实体 LFS-FRAME

LFS-FRAME

PulseAugur coverage of LFS-FRAME — every cluster mentioning LFS-FRAME across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_165086 · Jul 27 · 04:00

新的 LFS-FRAME 方法使用 KAN 和 XGBoost 增强多类别分类

研究人员推出了一种新颖的堆叠集成框架 LFS-FRAME，旨在增强多类别分类。该方法结合了 Kolmogorov-Arnold 网络 (KAN) 捕捉平滑函数关系的能力和 XGBoost 的基于规则的学习能力。LFS-FRAME 采用严格的离群堆叠策略来防止性能泄漏，并能有效地从不同基础学习器的概率输出中学习。实验表明，在多类别数据集上，主要家族的整体准确率达到 89.85%，子家族达到 81.74%，性能指标有所提高。