动态自适应选择神经网络集成的方法研究

• 作者: 张东波 王耀南
• 来源期刊: 信息与控制
• 关键词: 神经网络 集成 动态自适应选择
• 年，卷（期）: 2007,（4）
• 所属期刊栏目: 论文与报告
• 页码范围: 434-440
• 页数: 7页
• 分类号: TP18
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0411.2007.04.006

摘要

为了有效提高神经网络的集成性能,提出了基于局部分类精度估计的动态自适应选择集成的思想.根据贝叶斯理论,证明了在满足一定假设的条件下,动态自适应选择集成的分类性能可以逼近最优贝叶斯分类器.在此基础上,分别介绍了硬决策和软决策两种个体网络选择方法.选自UCI机器学习数据库的5个数据集的实验结果表明,动态自适应选择的分类性能明显优于常用的投票法和平均法,且集成分类性能对邻域的大小并不敏感;其中,软决策方法要优于硬决策方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王耀南	湖南大学电气与信息工程学院	624	12897	53.0	86.0
2	张东波	湘潭大学信息工程学院	16	259	8.0	16.0