一种投票权值调整的神经网络集成增量学习方法

• 作者: 刘建军 夏胜平 郁文贤
• 来源期刊: 信号处理
• 学科: 工学
• 关键词: 机器学习 神经网络 神经网络集成 增量学习
• 年，卷（期）: 2010,（1）
• 所属期刊栏目: 算法与研究
• 页码范围: 46-50
• 页数: 5页
• 分类号: TP18
• 字数: 4847字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0530.2010.01.009

摘要

针对神经网络集成增量学习中集成输出投票权值的设定问题,给出了一种投票权值调整的神经网络集成增量学习方法.该方法定义了神经网络集成中子神经网络训练集的类核函数,通过计算待识样本与类核函数之间的核函数距离得到集成输出中子神经网络的投票权值.这种投票权值设定方法可以根据子神经网络分类器对待识样本的分类性能自适应地调整集成输出的投票权值,是一种更加合理的集成输出投票权值设定方法.仿真实验表明,这种投票权值调整的神经网络集成增量学习方法比投票权值固定的方法增量学习性能更优.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郁文贤	上海交通大学电子信息与电气工程学院	70	351	10.0	14.0