基于改进的ReliefF算法的神经网络集成分类模型

• 作者: 史娜 朱远枫 章晶
• 来源期刊: 电脑知识与技术
• 学科: 工学
• 关键词: 特征选择:ReliefF算法 神经网络集成 差异性
• 年，卷（期）: 2009,（7）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 1699-1700
• 页数: 2页
• 分类号: TP18
• 字数: 2094字
• 语种: 中文
• DOI: 10.3969/j.issn.1009-3044.2009.07.067

摘要

为进一步提高集成学习中各个神经网络的差异性,该文采用了一种改进的特征选择方法一基于概率抽样的KeliefF算法,并将其引入到集成所用的Bagging方法中.实验结果表明,该文提出的基于改进的ReliefF算法的神经网络集成分类模型的泛化能力优于Bagging方法.