10.3969/j.issn.1009-3044.2009.07.067
基于改进的ReliefF算法的神经网络集成分类模型
为进一步提高集成学习中各个神经网络的差异性,该文采用了一种改进的特征选择方法一基于概率抽样的KeliefF算法,并将其引入到集成所用的Bagging方法中.实验结果表明,该文提出的基于改进的ReliefF算法的神经网络集成分类模型的泛化能力优于Bagging方法.
特征选择:ReliefF算法、神经网络集成、差异性
5
TP18(自动化基础理论)
973计划国家重点基础研究三级课题《基于商空间的从数据中自动获取信息的构造性算法的研究》2004CB318108
2009-05-19(万方平台首次上网日期,不代表论文的发表时间)
共2页
1699-1700