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

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.

关键词：神经网络集成、支持向量机、多值分类问题

所属期刊栏目：41

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金50174038

在线出版日期：2005-04-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：46-47,119