神经网络分类器动态集成方法

摘要：

提出一种神经网络分类器的动态集成方法.基于bootstrapping构建不同的个体神经网络,针对混合属性,通过不同的加权最近邻设计评估单个网络的分类精度,在此基础上动态选择误差率较小的神经网络,经过投票形成集成分类结果.将该方法与其它几种集成方法在10个UCI数据集上进行了分类性能比较.实验结果表明,该方法在上述所有数据集上的平均分类精度最佳,同时发现,Bagging比隐层神经元数法能更好地生成个体网络,而将两者结合起来训练个体神经网络,并不能明显提高集成性能.

关键词：神经网络分类器、动态集成、Bagging、加权最近邻

所属期刊栏目：25

分类号：TP183(自动化基础理论)

资助基金：国家部级科研项目05BQ0141

在线出版日期：2006-02-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1062-1065,1091