基于概率神经网络和K-L散度的样例选择

• 作者: 李塔 李畅 王熙照 翟俊海
• 来源期刊: 计算机应用研究
• 关键词: 概率神经网络 样例选择 K-L散度 最近邻分类
• 年，卷（期）: 2014,（1）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 63-65,69
• 页数: 4页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2014.01.014

摘要

提出了一种基于概率神经网络和K-L散度的样例选择算法.该算法利用概率神经网络估计训练样例的概率分布,利用K-L散度作为启发式来进行样例选择,用该方法选出的样例大多分布在分类边界附近.与五个著名的样例选择算法CNN、ENN、RNN、MCS和ICF进行了实验比较,实验结果显示,算法的选择比更低,训练出分类器具有更好的泛化能力,提出的方法是有效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王熙照	河北大学数学与计算机学院河北省机器学习与计算智能重点实验室	88	1286	18.0	32.0
2	翟俊海	河北大学数学与计算机学院河北省机器学习与计算智能重点实验室	45	256	9.0	12.0
3	李塔	河北大学数学与计算机学院河北省机器学习与计算智能重点实验室	3	13	2.0	3.0
4	李畅	河北大学数学与计算机学院河北省机器学习与计算智能重点实验室	2	4	1.0	2.0