多分类BP-AdaBoost算法研究与应用

• 作者: 侯子骄 吕雁飞 张凯
• 来源期刊: 高技术通讯
• 关键词: AdaBoost BP神经网络 二分类 多分类
• 年，卷（期）: 2015,（5）
• 所属期刊栏目: 计算机与通信技术
• 页码范围: 437-444
• 页数: 8页
• 字数: 4348字
• 语种: 中文
• DOI: 10.3772/j.issn.1002-0470.2015.05.001

摘要

研究了多类别样本数据集的分类,针对传统的“一对一”或“一对多”BP-Ada-Boost算法,训练时间开销随着训练样本数以及训练样本种类的增加急剧增加,使其实际应用十分受限,尤其不适用于大规模数据分类的问题,提出了将多分类BP神经网络与使用多类分类指数损失函数的逐步叠加建模(SAMME)算法相结合以构造AdaBoost强发类的Multi-BP AdaBoost算法,实现模型信息的有效利用与融合增强.对传统“一对多”BP-AdaBoost算法和Multi-BP AdaBoost算法进行了对比试验,结果表明,在相同测试情况下,后者有效降低了BP-AdaBoost训练过程中的时间开销.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张凯	中国科学院信息工程研究所	105	1451	21.0	34.0
2	吕雁飞		2	10	2.0	2.0
3	侯子骄	中国科学院信息工程研究所	1	8	1.0	1.0