计算机工程与设计
計算機工程與設計
계산궤공정여설계
COMPUTER ENGINEERING AND DESIGN
2012年
3期
1112-1116
,共5页
低相关度%神经网络集成%邻域误差%二次集成%Boosting集成
低相關度%神經網絡集成%鄰域誤差%二次集成%Boosting集成
저상관도%신경망락집성%린역오차%이차집성%Boosting집성
针对Boosting类算法生成的个体网络的迭代方式相关性较高,对某些不稳定学习算法的集成结果并不理想的情况,基于Local Boost算法局部误差调整样本权值的思想,提出了基于距离及其权值挑选邻居样本的方法,并通过局部误差产生训练样本种子,采用Lazy Bagging方法生成针对各样本种子的个体网络训练样本集来训练、生成新的个体网络,UCI数据集上实验结果表明,该算法得到的个体网络相关度较小,集成性能较为稳定.
針對Boosting類算法生成的箇體網絡的迭代方式相關性較高,對某些不穩定學習算法的集成結果併不理想的情況,基于Local Boost算法跼部誤差調整樣本權值的思想,提齣瞭基于距離及其權值挑選鄰居樣本的方法,併通過跼部誤差產生訓練樣本種子,採用Lazy Bagging方法生成針對各樣本種子的箇體網絡訓練樣本集來訓練、生成新的箇體網絡,UCI數據集上實驗結果錶明,該算法得到的箇體網絡相關度較小,集成性能較為穩定.
침대Boosting류산법생성적개체망락적질대방식상관성교고,대모사불은정학습산법적집성결과병불이상적정황,기우Local Boost산법국부오차조정양본권치적사상,제출료기우거리급기권치도선린거양본적방법,병통과국부오차산생훈련양본충자,채용Lazy Bagging방법생성침대각양본충자적개체망락훈련양본집래훈련、생성신적개체망락,UCI수거집상실험결과표명,해산법득도적개체망락상관도교소,집성성능교위은정.
