文件名称：基于最小分类误差准则的神经网络分类器最优线性组合
文件大小：242KB
文件格式：PDF
更新时间：2024-07-19 13:12:05
学术 论文
基于最小分类误差准则的神经网络分类器的最优线性组合 基于最小分类误差准则的神经网络分类器的最优线性组合 Naonori Ueda NTT 通信科学实验室，京都，日本 619-0237 总结 专注于分类问题，本文预- 提出了一种基于统计模式识别理论的线性组合多个神经网络分类器的新方法。 在我们的方法中，首先选择了几个神经网络，每个神经网络在最小化分类错误方面最适合每个类别。 然后，它们被线性组合并形成一个理想的分类器，能够利用单个分类器的优点，避免它们的弱点，并改进所有单个分类器。 在这种方法中，使用最小分类误差 (MCE) 标准来估计最佳线性权重。 在这个公式中，因为分类决策规则被纳入成本函数，所以可以获得更适合分类目标的组合权重。 使用人工和真实数据集的实验结果表明，所提出的方法可以构建更好的组合分类器，在测试数据的整体分类错误方面优于最好的单个分类器。 :copyright: 2000 Scripta Technica, Syst Comp Jpn, 31(9): 39 48, 2000 关键词：模式分类； 集成学习； 线性组合； 最小分类误差判别器； 神经网络。 1. 介绍与单个