共 2 条
[1]
[2]
神经网络集成与支持向量机在多值分类问题上的比较研究
被引：18
作者：
孔安生
王洪澄
李国正
不详
机构：
[1] 上海交通大学图像处理与模式识别研究所
[2] 上海交通大学图像处理与模式识别研究所 上海
[3] 上海
来源：
关键词：
神经网络集成;
支持向量机;
多值分类问题;
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：
140502 [人工智能];
摘要：
神经网络集成和支持向量机都是在机器学习领域很流行的方法。集成方法成功地提高了神经网络的稳健性和精度,其中选择性集成方法通过算法选择差异度大的个体,取得了很好的效果。而支持向量机更是克服了神经网络的局部最优,不稳定等缺点,也在多个方面取得了很好的结果。该文着重研究这两种方法在小样本多类数据集上的性能,在四个真实数据集上的结果表明,支持向量机性能要比神经网络集成稍好.
引用
收藏
页码：46 / 47+119
+119
页数：3
相关论文