| 基于改进的ReliefF算法的神经网络集成分类模型 |
| |
| 引用本文： | 朱远枫,章晶,史娜. 基于改进的ReliefF算法的神经网络集成分类模型[J]. 数字社区&智能家居, 2009, 5(3): 1699-1700 |
| |
| 作者姓名： | 朱远枫 章晶 史娜 |
| |
| 作者单位： | 安徽大学计算智能与信号处理教育部重点实验室,合肥安徽230039 |
| |
| 基金项目： | 基金项目：973计划（国家重点基础研究）（三级课题）《基于商空间的（从数据中）自动获取信息的构造性算法的研究》（2004CB318108） |
| |
| 摘 要： | 为进一步提高集成学习中各个神经网络的差异性，该文采用了一种改进的特征选择方法一基于概率抽样的ReliefF算法，并将其引入到集成所用的Bagging方法中。实验结果表明，该文提出的基于改进的KelietT算法的神经网络集成分类模型的泛化能力优于Bagging方法。
|
| 关 键 词： | 特征选择 KeliefF算法 神经网络集成 差异性 |
Neural Networks Ensemble classified Method Based on improved ReliefF |
| |
| ZHU Yuan-feng,ZHANG Jing,SHI Na. Neural Networks Ensemble classified Method Based on improved ReliefF[J]. Digital Community & Smart Home, 2009, 5(3): 1699-1700 |
| |
| Authors: | ZHU Yuan-feng ZHANG Jing SHI Na |
| |
| Affiliation: | (Key Laboratory of Intelligent Computing ＆ Signal Processing of Ministry of Education, Hefei 230039, China) |
| |
| Abstract: | In order to improve the diversity of each network in Neural Networks Ensemble ,an improved feature selection method called probability sampling- ReliefF was adopped in the Bagging. Experiments on a UCI dataset showed that the method in this paper had a higher accuracy. |
| |
| Keywords: | feature selection reliefF neural networks ensemble diversity |
| 本文献已被 维普 等数据库收录！ |
