一种适用于卷积神经网络的Stacking算法

• 作者: 张笑铭 梁利平 王志君
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 卷积神经网络 Stacking算法 主成分分析 降维 网络结构 分类精度
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 243-247
• 页数: 5页
• 分类号: TP391
• 字数: 3950字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2018.04.039

摘要

为提高卷积神经网络的分类精度,提出一种结合多个网络的改进Stacking算法.将卷积神经网络作为基分类器对数据进行分类,得到新的样本再经过元分类器分类.为降低元分类器输入数据的维度和多个网络分类结果之间的相关性,采用主成分分析方法对基分类器的输出进行降维.在数据集上进行分类精度对比实验,结果表明,与传统Stacking、基于平均后验概率算法和基于类投票算法相比,该算法在同类型网络和不同类型网络中,分类精度均较高且更具有稳定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梁利平	中国科学院微电子研究所	47	126	7.0	9.0
2	张笑铭	中国科学院大学电子电气与通信工程学院	2	17	1.0	2.0
6	王志君	中国科学院微电子研究所	11	28	3.0	5.0