基于核独立分量分析的模糊核聚类神经网络集成方法

• 作者: 李岩 王东风 韩璞
• 来源期刊: 计算机应用研究
• 关键词: 核独立分量分析 特征提取 模糊核聚类 选择性聚类集成
• 年，卷（期）: 2009,（9）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 3318-3320
• 页数: 3页
• 分类号: TP18
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2009.09.033

摘要

提出一种基于核独立分量分析的模糊核聚类神经网络集成方法.该方法首先采用核独立分量分析对高维数据进行特征提取;随后用模糊核聚类算法根据相互独立训练出的多个神经网络个体在验证集上的输出对其进行分类,并计算每一类中的所有个体在验证集上的泛化误差;然后取其中平均泛化误差最小的神经网络个体作为这一类的代表;最后经相对多数投票法得到集成的最终输出.实验结果表明,与其他集成方法相比,该方法具有较高的精确度和稳定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王东风	华北电力大学控制科学与工程学院	170	3490	34.0	51.0
2	韩璞	华北电力大学控制科学与工程学院	272	4579	35.0	54.0
3	李岩	华北电力大学控制科学与工程学院	34	208	9.0	13.0