基于RUSBoost和积矩系数的神经网络优化算法

• 作者: 尹化荣 张永新 陈丹丹 陈莉
• 来源期刊: 计算机应用研究
• 关键词: 神经网络 RUSBoost 积矩系数 集成学习
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2592-2596
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.09.007

摘要

针对单个神经网络分类准确率低、RUSBoost算法提高NN分类器准确率耗时长的问题,提出了一种混合RUSBoost算法和积矩系数的分类优化算法.首先,利用RUSBoost算法生成m组训练集;然后,依据Pearson积矩系数计算每组训练集属性的相关程度消除冗余属性,生成目标训练集;最后,新的子训练集训练神经网络分类器,选择最大准确率分类器作为最终的分类模型.实验中使用了四个Benchmark数据集来验证所提算法的有效性.实验结果表明,提出的算法的准确率相较于传统的算法最多提升了8.26％,训练时间最高降低了62.27％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈莉	西北大学信息科学与技术学院	67	651	17.0	22.0
2	陈丹丹	西北大学信息科学与技术学院	11	85	4.0	9.0
3	张永新	西北大学信息科学与技术学院	5	53	3.0	5.0
4	尹化荣	西北大学信息科学与技术学院	3	10	2.0	3.0