一种逆向样本分布的Boosting类新算法

• 作者: 朱群雄 陈程立诏 高敬阳
• 来源期刊: 化工学报
• 关键词: 网络集成算法 逆向样本权值分布 中间层网络集成
• 年，卷（期）: 2011,（8）
• 所属期刊栏目: 过程系统工程
• 页码范围: 2287-2291
• 分类号: TP183
• 语种: 中文
• DOI: 10.3969/j.issn.0438-1157.2011.08.035

摘要

对IB(Inverse Boosting)神经网络集成算法进行了研究,提出了IB算法的改进算法IB+算法.改进算法继承了IB算法的逆向样本分布调整策略,并在训练的过程中将部分已训练好的个体子网进行中间层网络集成,利用该中间层集成网络生成新的训练样本分布.实验结果表明,对于逆向权值分布的Boosting类算法,个体子网之间的关联度对网络集成后的泛化性能影响很小,减小个体网络的泛化误差将使集成后的泛化性能提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱群雄	北京化工大学信息科学与技术学院	151	1425	19.0	26.0
2	高敬阳	北京化工大学信息科学与技术学院	26	147	7.0	11.0
3	陈程立诏	北京化工大学信息科学与技术学院	2	4	1.0	2.0