基于k-means聚类的神经网络分类器集成方法研究

• 作者: 常圣领 李凯
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 差异性 集成学习 分类器 聚类
• 年，卷（期）: 2009,（22）
• 所属期刊栏目: 数据库、信息处理
• 页码范围: 120-122,149
• 页数: 4页
• 分类号: TP391
• 字数: 5234字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2009.22.039

摘要

针对差异性是集成学习的必要条件,研究了基于k-means聚类技术提高神经网络分类器集成差异性的方法.通过训练集并使用神经网络分类器学习算法训练许多分类器模型,在验证集中利用每个分类器的分类结果作为聚类的数据对象;然后应用k-means聚类方法对这些数据聚类,在聚类结果的每个簇中选择一个分类器代表模型,以此构成集成学习的成员;最后应用投票方法实验研究了这种提高集成学习差异性方法的性能,并与常用的集成学习方法bagging、adaboost进行了比较.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李凯	河北大学数学与计算机学院	52	435	12.0	19.0
2	常圣领		1	16	1.0	1.0