基于Bagging的概率神经网络集成分类算法

摘要：

目前的神经网络较多集中在以BP算法为基础的BP神经网络上.针对BP神经网络的不足,在分析研究概率神经网络和机器学习的基础上,结合集成学习的思想,提出了基于Bagging的概率神经网络集成分类算法.理论分析和实验结果都表明,提出的算法能够有效地降低分类误差,提高分类准确率,具有较好的泛化能力以及较快的执行速度,能够取得比传统的BP神经网络分类方法更好和更稳定的分类结果.

关键词：分类、BP神经网络、概率神经网络、集成学习、Bagging

所属期刊栏目：40

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金项目61163036,61163039;甘肃省科技计划甘肃省自然科学基金项目1010RJZA022,1107RJZA112;2012年度甘肃省高校基本科研业务费专项资金项目,甘肃省高校研究生导师项目1201-16;西北师范大学第三期知识与创新工程科研骨干项目nwnu-kjcxgc-03-67

在线出版日期：2013-07-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：242-246