神经网络集成与支持向量机在多值分类问题上的比较研究

• 作者: 孔安生 李国正 王洪澄
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 神经网络集成 支持向量机 多值分类问题
• 年，卷（期）: 2005,（1）
• 所属期刊栏目: 学术探讨
• 页码范围: 46-47,119
• 页数: 3页
• 分类号: TP183
• 字数: 2222字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2005.01.014

摘要

神经网络集成和支持向量机都是在机器学习领域很流行的方法.集成方法成功地提高了神经网络的稳健性和精度,其中选择性集成方法通过算法选择差异度大的个体,取得了很好的效果.而支持向量机更是克服了神经网络的局部最优,不稳定等缺点,也在多个方面取得了很好的结果.该文着重研究这两种方法在小样本多类数据集上的性能,在四个真实数据集上的结果表明,支持向量机性能要比神经网络集成稍好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王洪澄	上海交通大学图像处理与模式识别研究所	4	32	3.0	4.0
2	李国正	上海交通大学图像处理与模式识别研究所	20	449	10.0	20.0
3	孔安生	上海交通大学图像处理与模式识别研究所	2	74	2.0	2.0