一种适用于多类问题的神经网络集成模型  

A Neural Network Ensemble Model Adapted to Multi-class Problem

作　　者：张东波[1,2] 黄坤鑫[1] 

机构地区：[1]湘潭大学信息工程学院,湖南湘潭411105 [2]湘潭大学智能计算与信息处理教育部重点实验室,湖南湘潭411105

出　　处：《信息与控制》2013年第5期583-588,共6页Information and Control

基　　金：国家自然科学基金资助项目(60835004);湖南省教育厅青年项目(10B109);湖南省重点学科资助项目

摘　　要：提出了一种基于集成学习的适于多类问题的神经网络集成模型,其基本模块由一个OAA方式的二类别分类器和一个互补多类分类器组成.测试表明,该模型在多类问题上比其他经典集成算法有着更高的精度,并且有较少存储空间和计算时间的优势.A new neural network ensemble model based on ensemble learning model adapted to multi-class problem is proposed. The base components of the proposed model are composed by the union of a binary classifier of OAA and a complementary multi-class classifier. Experimental results show that the model has higher accuracy than other classical ensemble algorithms for multi-class problems, and it has the superiority of less storage space and computation time.

关 键 词：集成学习 神经网络 多类问题 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]