多分类BP-AdaBoost算法研究与应用

摘要：

研究了多类别样本数据集的分类,针对传统的“一对一”或“一对多”BP-Ada-Boost算法,训练时间开销随着训练样本数以及训练样本种类的增加急剧增加,使其实际应用十分受限,尤其不适用于大规模数据分类的问题,提出了将多分类BP神经网络与使用多类分类指数损失函数的逐步叠加建模(SAMME)算法相结合以构造AdaBoost强发类的Multi-BP AdaBoost算法,实现模型信息的有效利用与融合增强.对传统“一对多”BP-AdaBoost算法和Multi-BP AdaBoost算法进行了对比试验,结果表明,在相同测试情况下,后者有效降低了BP-AdaBoost训练过程中的时间开销.

关键词：AdaBoost、BP神经网络、二分类、多分类

所属期刊栏目：25

分类号：TP3;TP1

资助基金：国家自然科学基金61271275,61202067;863计划2013AA013205,2013AA013204;北京市科技计划基金Z131100001113034,Z13110000111303461202067

在线出版日期：2015-12-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：437-444