基于组合分类器的神经网络算法

• 作者: 赵仲恺
• 来源期刊: 电子科技
• 学科: 工学
• 关键词: 神经网络 组合分类器 组合剪枝 二次学习
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 协议·算法与仿真
• 页码范围: 39-42,47
• 页数: 5页
• 分类号: TP181
• 字数: 4414字
• 语种: 中文
• DOI: 10.16180/j.cnki.issn1007-7820.2017.12.011

摘要

组合分类是一种有效的分类方法,然而训练完成后该方法须要存储大量的基分类器,并且每一次预测过程都需要统计每个基分类器的分类结果作最终的预测,同时具有较高的时间和空间复杂度.针对组合分类存在的问题提出了EBNN,该方法使用神经网络从实例中学习值为实数、离散值或向量的函数,将组合分类器从实例到类标号的映射看成是一个函数,然后用神经网络来拟合这个函数,这样训练完成后只需存储一个神经网络模型,大幅降低了预测时的时间和空间复杂度.在20个UCI数据集上的实验结果表明,与决策树、神经网络以及支持向量机相比,EBNN具有更好的泛化性能.与Bagging相比,EBNN在提高准确率的情况下,同时也大幅降低了预测阶段的相应时间和空间占用.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵仲恺	中原银行股份有限公司信息技术部	1	7	1.0	1.0