基于特征选择的神经网络集成方法

被引：13
作者：
凌锦江
陈兆乾
周志华
机构：
[1] 南京大学计算机软件新技术国家重点实验室,南京大学计算机软件新技术国家重点实验室,南京大学计算机软件新技术国家重点实验室南京　,南京　,南京
来源：
复旦学报(自然科学版) | 2004年 / 05期
基金：
国家杰出青年科学基金;
关键词：
集成学习; 神经网络集成; 特征选择;
D O I：
10.15943/j.cnki.fdxb-jns.2004.05.002
中图分类号：
TP18 [人工智能理论];
学科分类号：
081104 ; 0812 ; 0835 ; 1405 ;
摘要：
将特征选择技术ReliefF引入Bagging方法中,提出了一种新的神经网络集成方法———ReBag.实验结果表明,本方法的泛化能力优于Bagging方法,与AttributeBagging方法相当但效率更高.
引用
收藏
页码：685 / 688
页数：4
相关论文
共 7 条
[1]  
Estimating attributes:Analysis and extensions of Relief. KononenkoI. Proceedings of the 7th European Conference on Machine Learning . 1994
[2]  
Breiman L,Bagging predictors. Machine Learning . 1996
[3]  
Neuralnetworkensembles,crossvalidation,andactivelearning. KroghA,VedelsbyJ. AdvancesinNeuralInformationProcessingSystems . 1995
[4]  
The strength of weaklearnability. Schapire R E. Machine Learning . 1990
[5]  
Attribute bagging: Improving accuracy of classifier ensembles by using random feature subsets. Bryll R,Gutierrez-Osuna R,Quek F. Pattern Recognition . 2003
[6]  
Ensembling neural networks: Many could be better than all. Zhou Z H,Wu J,Tang W. Artificial Intelligence . 2002
[7]  
Apracticalapproachtofeatureselection. KiraK,RendellLA. Proceedingsofthe9thInternationalWorkshoponMachineLearning . 1992
1