一种基于小生境的负相关神经网络集成算法  

Negative correlation neural network ensemble based on a niching algorithm

作　　者：盛伟国[1] 单鹏霄 

机构地区：[1]浙江工业大学计算机科学与技术学院,浙江杭州310023

出　　处：《浙江工业大学学报》2016年第5期482-486,共5页Journal of Zhejiang University of Technology

基　　金：国家自然科学基金资助项目(61573316);浙江省自然科学基金资助项目(LY15F020032)

摘　　要：提出了一种基于小生境的负相关神经网络集成算法.所提方法结合了负相关学习和进化算法,采用同时训练的方式对多个神经网络进行训练,不仅能使网络之间产生有效的差异度,而且能促进网络之间的交互性和合作性.此外,在进化过程中引入了一种改进的小生境技术,能更有效地维持网络种群的多样性,从而保证神经网络集成的差异度.所提方法在6个分类数据集上进行了测试,并且与一些相关神经网络集成方法进行对比.实验结果表明所提方法能得到一个有效的神经网络集成.This paper proposes a niching evolutionary algorithm with negatively correlation learning（NCL）for training neural network（NN）ensemble.The proposed algorithm combining NCL with evolutionary algorithm trains simultaneously the NN individuals in the ensemble,which not only can create the diversity among the NN individuals,but also helps to promote the interaction and collaboration among the NN individuals.In addition,an improved niching method is introduced for preserving the diversity of population during training,thus ensure the diversity of the NN ensemble.The proposed algorithm is evaluated on six classification problems and compared with related ensemble learning algorithms.The experimental results show that the proposed algorithm can be used to design a satisfactory NN ensemble.

关 键 词：神经网络 集成学习 负相关学习 小生境 进化算法 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]