中南大学学报（自然科学版）
中南大學學報（自然科學版）
중남대학학보（자연과학판）
JOURNAL OF CENTRAL SOUTH UNIVERSITY
2012年
11期
4355-4360
,共6页
高敬阳%陈程立诏%朱群雄
高敬暘%陳程立詔%硃群雄
고경양%진정립조%주군웅
神经网络集成%差异度%精度%争议度
神經網絡集成%差異度%精度%爭議度
신경망락집성%차이도%정도%쟁의도
神经网络集成AdaBoost算法权值调整策略对于分类正确或分类错误的样本采用统一的权值调整幅度,随着迭代次数的增加,统一的权值调整幅度将导致困难样本权重的过分积累,针对这一问题,提出基于争议度的权值调整策略,并采用的标准机器学习数据库UCI进行仿真实验.实验结果表明:该策略能够在样本权值修正阶段对各训练样本权值进行有区别的修改,即将多次连续分类错误的样本的权值提高幅度进行抑制,在一定程度上避免了困难样本权值过大而导致集成网络泛化性能下降,从而使得各个体分类器在不损失差异度的前提下获得理想的精度,提升集成网络的泛化性能,并具有良好的稳定性.
神經網絡集成AdaBoost算法權值調整策略對于分類正確或分類錯誤的樣本採用統一的權值調整幅度,隨著迭代次數的增加,統一的權值調整幅度將導緻睏難樣本權重的過分積纍,針對這一問題,提齣基于爭議度的權值調整策略,併採用的標準機器學習數據庫UCI進行倣真實驗.實驗結果錶明:該策略能夠在樣本權值脩正階段對各訓練樣本權值進行有區彆的脩改,即將多次連續分類錯誤的樣本的權值提高幅度進行抑製,在一定程度上避免瞭睏難樣本權值過大而導緻集成網絡汎化性能下降,從而使得各箇體分類器在不損失差異度的前提下穫得理想的精度,提升集成網絡的汎化性能,併具有良好的穩定性.
신경망락집성AdaBoost산법권치조정책략대우분류정학혹분류착오적양본채용통일적권치조정폭도,수착질대차수적증가,통일적권치조정폭도장도치곤난양본권중적과분적루,침대저일문제,제출기우쟁의도적권치조정책략,병채용적표준궤기학습수거고UCI진행방진실험.실험결과표명:해책략능구재양본권치수정계단대각훈련양본권치진행유구별적수개,즉장다차련속분류착오적양본적권치제고폭도진행억제,재일정정도상피면료곤난양본권치과대이도치집성망락범화성능하강,종이사득각개체분류기재불손실차이도적전제하획득이상적정도,제승집성망락적범화성능,병구유량호적은정성.
