基于特征提取的选择性神经网络集成方法

计算机科学 ›› 2008, Vol. 35 ›› Issue (3): 132-133.

基于特征提取的选择性神经网络集成方法

出版日期:2018-11-16 发布日期:2018-11-16
基金资助:
基金项目：国家自然科学基金（70471074）;广东省科技计划（2004836001051）.

Online:2018-11-16 Published:2018-11-16

摘要/Abstract

摘要： 针对现有神经网络集成研究方法在输入属性、集成方式和集成形式上的不足，提出一种基于特征提取的选择性神经网络集成模型-NSNNEIPCABag。该模型通过Bagging算法产生若干训练子集；利用改进的主成分分析（IPCA）提取主成分作为输入来训练个体网络；采用IPCA从所有个体网络中选择出部分线性无关的个体网络；采用神经网络对选择出来的个体网络进行非线性集成。为检验该模型的有效性，将其用于时间序列预测，结果表明本文提出的方法的泛化能力优于流行的其它集成方法。

关键词: 集成学习神经网络集成非线性集成选择性集成特征提取

Abstract: In order to solve the problems of the existing research methods in input attribute, ensemble fashion and ensemble form, a novel selective ＆ nonlinear neural network ensemble method, i.e. NSNNEIPCABag, is proposed in this paper. In this model, some differe

Key words: Ensemble learning, Neural network ensemble, Nonlinear ensemble, Selective ensemble, Feature extraction

. 基于特征提取的选择性神经网络集成方法[J]. 计算机科学, 2008, 35(3): 132-133. https://doi.org/

参考文献

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed