基于动态性的神经网络分类器集成方法
神经网络集成(Neural Network Ensemble)是一种非常有效的工程化神经计算方法.当这种集成用作分类器时,集成的输出通常由个体网络的输出投票产生.投票法包括绝对多数投票法和相对多数投票法,理论和实践表明,后者优于前者.这两种方法通常作用于集成中的全部个体.而研究表明,对待集成的个体分类器进行必要的选择,可能有助于提高分类性能.研究表明,当神经网络分类器集成(Ensembling Neural Classifier,ENC)中的个体网络差异较大时,集成的效果较好.目前虽有一些流行的个体生成技术,如Boosting和Bagging,但对如何获得差异较大的个体网络仍没有较好的方法,而且其性能也需进一步提高.有鉴于此,本文提出一种动态性神经网络分类器集成方法.
神经网络分类器 神经网络集成 随机属性选择
郑建军 刘玉树 刘琼昕
北京理工大学信息科学技术学院计算机科学工程系(北京)
国内会议
重庆
中文
185-186
2003-05-01（万方平台首次上网日期，不代表论文的发表时间）