10.3969/j.issn.1000-3428.2018.04.039
一种适用于卷积神经网络的Stacking算法
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.
卷积神经网络、Stacking算法、主成分分析、降维、网络结构、分类精度
44
TP391(计算技术、计算机技术)
2018-11-23(万方平台首次上网日期,不代表论文的发表时间)
共5页
243-247