多分类BP-AdaBoost算法研究与应用

摘要：

在对多类别样本数据集进行分类时,传统BP-AdaBoost算法通常采用“一对一”和“一对多”的方法,而随着训练样本数以及训练样本种类的增加,采用这两方法使得BP-AdaBoost训练的时间开销急剧增加,因此在实际应用中十分受限,尤其不适用于对大规模数据进行分类.针对该问题,本文提出多分类BP-AdaBoost分类算法,实现模型信息的有效利用与融合增强.实验结果表明,在相同测试情况下,该算法有效降低BP-AdaBoost训练过程中的时间开销.

关键词： 分类算法 BP神经网络算法 AdaBoost算法

作者: 吕雁飞 侯子骄 张凯

作者单位: 国家计算机网络应急技术处理协调中心,北京 100029 北京航空航天大学,北京,100191;中国科学院院信息工程研究所,北京,1000093 中国科学院院信息工程研究所,北京,1000093

会议类型: 国内会议

会议名称: 2015中国计算机网络安全年会

会议地点: 武汉

会议语种:中文

页码: 238-244

在线出版日期: 2015-05-26（万方平台首次上网日期，不代表论文的发表时间）