基于AP二次聚类的神经网络集成算法研究

• 作者: 丁世飞 李辉
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: Affinity Propagation(AP)聚类 神经网络集成 二次聚类 个体神经网络
• 年，卷（期）: 2015,（2）
• 所属期刊栏目: 人工智能
• 页码范围: 224-227,252
• 页数: 5页
• 分类号: TP18
• 字数: 5556字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2015.2.046

摘要

为了提高个体神经网络精度及差异度进而提高神经网络集成(Neural Network Ensemble,NNE)的泛化性能,提出了一种基于二次聚类的神经网络集成方法.首先对所有样本进行聚类,得到第一次聚类样本子集;然后对每一类样本子集进行二次聚类,得到每一子类的样本子集,通过Affinity Propagation(AP)聚类使得“类内相似,类间相异”的准则最大化,类内样本能够反映真实的数据分布;最后按照排列组合的方式,从二次聚类的每个样本子集中选取一类样本构成训练集来构造一个个体神经网络.这样从不同类中选择样本集构造的个体神经网络差异性较大,既能使数据的规模较小,又能反映真实的数据分布,用这种方法产生的个体神经网络进行集成具有较高的性能.仿真实验表明,该方法能够取得较好的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	丁世飞	中国矿业大学计算机科学与技术学院	83	2735	17.0	52.0
5	李辉	中国矿业大学计算机科学与技术学院	26	260	8.0	16.0