一种基于聚类技术的选择性神经网络集成方法

被引：26

作者：

李凯

黄厚宽

机构：

[1] 北京交通大学计算机与信息技术学院计算智能研究所

来源：

计算机研究与发展 | 2005年 / 04期

关键词：

神经网络; 集成; 聚类;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

摘要：

神经网络集成是一种很流行的学习方法,通过组合每个神经网络的输出生成最后的预测.为了提高集成方法的有效性,不仅要求集成中的个体神经网络具有很高的正确率,而且要求这些网络在输入空间产生不相关的错误.然而,在现有的众多集成方法中,大都采用将训练的所有神经网络直接进行组合以形成集成,实际上生成的这些神经网络可能具有一定的相关性.为了进一步提高神经网络间的差异性,一种基于聚类技术的选择性神经网络集成方法CLUENN被提出.在获得个体神经网络后,并不直接对这些神经网络集成,而是先应用聚类算法对这些神经网络模型聚类以获得差异较大的部分神经网络;然后由部分神经网络构成集成;最后,通过实验研究了CLUENN集成方法,与传统的集成方法Bagging相比,该方法取得了更好的效果.

引用

页码：594 / 598

页数：5

共 4 条

[1] 神经网络集成 [J].