10.3969/j.issn.1003-0530.2010.01.009
一种投票权值调整的神经网络集成增量学习方法
针对神经网络集成增量学习中集成输出投票权值的设定问题,给出了一种投票权值调整的神经网络集成增量学习方法.该方法定义了神经网络集成中子神经网络训练集的类核函数,通过计算待识样本与类核函数之间的核函数距离得到集成输出中子神经网络的投票权值.这种投票权值设定方法可以根据子神经网络分类器对待识样本的分类性能自适应地调整集成输出的投票权值,是一种更加合理的集成输出投票权值设定方法.仿真实验表明,这种投票权值调整的神经网络集成增量学习方法比投票权值固定的方法增量学习性能更优.
机器学习、神经网络、神经网络集成、增量学习
26
TP18(自动化基础理论)
重点实验室基金资助课题9140C8001020603
2010-04-28(万方平台首次上网日期,不代表论文的发表时间)
共5页
46-50