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