高技术通讯
高技術通訊
고기술통신
Chinese High Technology Letters
2015年
5期
437-444
,共8页
AdaBoost%BP神经网络%二分类%多分类
AdaBoost%BP神經網絡%二分類%多分類
AdaBoost%BP신경망락%이분류%다분류
AdaBoost%BP neural network%binary classification%multi-class classification
研究了多类别样本数据集的分类,针对传统的“一对一”或“一对多”BP-Ada-Boost算法,训练时间开销随着训练样本数以及训练样本种类的增加急剧增加,使其实际应用十分受限,尤其不适用于大规模数据分类的问题,提出了将多分类BP神经网络与使用多类分类指数损失函数的逐步叠加建模(SAMME)算法相结合以构造AdaBoost强发类的Multi-BP AdaBoost算法,实现模型信息的有效利用与融合增强.对传统“一对多”BP-AdaBoost算法和Multi-BP AdaBoost算法进行了对比试验,结果表明,在相同测试情况下,后者有效降低了BP-AdaBoost训练过程中的时间开销.
研究瞭多類彆樣本數據集的分類,針對傳統的“一對一”或“一對多”BP-Ada-Boost算法,訓練時間開銷隨著訓練樣本數以及訓練樣本種類的增加急劇增加,使其實際應用十分受限,尤其不適用于大規模數據分類的問題,提齣瞭將多分類BP神經網絡與使用多類分類指數損失函數的逐步疊加建模(SAMME)算法相結閤以構造AdaBoost彊髮類的Multi-BP AdaBoost算法,實現模型信息的有效利用與融閤增彊.對傳統“一對多”BP-AdaBoost算法和Multi-BP AdaBoost算法進行瞭對比試驗,結果錶明,在相同測試情況下,後者有效降低瞭BP-AdaBoost訓練過程中的時間開銷.
연구료다유별양본수거집적분류,침대전통적“일대일”혹“일대다”BP-Ada-Boost산법,훈련시간개소수착훈련양본수이급훈련양본충류적증가급극증가,사기실제응용십분수한,우기불괄용우대규모수거분류적문제,제출료장다분류BP신경망락여사용다류분류지수손실함수적축보첩가건모(SAMME)산법상결합이구조AdaBoost강발류적Multi-BP AdaBoost산법,실현모형신식적유효이용여융합증강.대전통“일대다”BP-AdaBoost산법화Multi-BP AdaBoost산법진행료대비시험,결과표명,재상동측시정황하,후자유효강저료BP-AdaBoost훈련과정중적시간개소.