基于k-means聚类的神经网络分类器集成方法研究

摘要：

针对差异性是集成学习的必要条件,研究了基于k-means聚类技术提高神经网络分类器集成差异性的方法.通过训练集并使用神经网络分类器学习算法训练许多分类器模型,在验证集中利用每个分类器的分类结果作为聚类的数据对象;然后应用k-means聚类方法对这些数据聚类,在聚类结果的每个簇中选择一个分类器代表模型,以此构成集成学习的成员;最后应用投票方法实验研究了这种提高集成学习差异性方法的性能,并与常用的集成学习方法bagging、adaboost进行了比较.

关键词：差异性、集成学习、分类器、聚类

所属期刊栏目：45

分类号：TP391(计算技术、计算机技术)

资助基金：河北省教育厅基金资助2006406

在线出版日期：2009-09-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：120-122,149