尼科拉斯·加西亚·佩德拉哈斯；塞萨尔·加西亚·奥索里奥；科林·菲菲 集成结构的非线性增强投影。 （英语） Zbl 1222.68201号 J.马赫。学习。物件。 8, 1-33 (2007). 摘要：在本文中，我们提出了一种新的基于非线性投影的集成构建方法，以实现单个分类器的准确性和多样性。该方法结合了boosting的思想，将更多精力放在困难的实例上，并以随机子空间方法为基础。我们的主要贡献是，我们没有使用随机子空间，而是构造了一个投影，其中考虑到了对以前的分类器造成最大困难的实例。通过这种方式，只使用错误分类的实例训练神经网络来创建连续的非线性投影。该网络的隐层所诱导的特征子空间被用作新分类器的输入空间。将该方法与打包和提升技术进行了比较，结果表明，在UCI机器学习库中的44个大问题集上，该方法的性能得到了改进。另一项研究表明，与增强方法相比，该方法对数据中的噪声不太敏感。 引用于4文件 MSC公司： 68T05型 人工智能中的学习和自适应系统 关键词：分类器集成；增压；神经网络；非线性投影 软件：CIXL2号机组；伦敦银行支持向量机 PDF格式BibTeX公司 XML格式引用 \textit{N.García-Pedrajas}等人，J.Mach。学习。决议8，1-33（2007；Zbl 1222.68201） 全文： 链接