多神经网络分类器的融合方法的比较

算术平均、多数投票等融合方法已被很多研究者广泛使用,使用这些融合方法的假设条件是所有分类器是相互独立的。用互不相容的子集作为训练集来提高各个神经网络分类器的独立性。选择9种常见的融合方法在2个UCI的两类数据库进行实验,用来比较哪种融合方法更有效。实验结果表明取大法能获得很好的融合效果,加权平均法和加权投票法的融合性能不比平均法和多数投票法好。

基于修正G^2特征筛选的中文微博情感组合分类

新词的涌现、热词的漂移、海量碎片化及中文常用词特性带来的高维稀疏性成为中文微博情感分类的主要困难。本文提出了一种新颖的方法用以解决上述问题:构造表情符号词典用来自动获取微博的情感标签,解决海量微博数据标注的问题;引入修正的G^2检验进行特征筛选,进行降维,控制稀疏性;采用多阶段判断的抽样策略保证基分类器的多样性,最后采用加权多数投票的方式对基分类器结果进行融合,解决特征和情感漂移及碎片化问题。实验表明本文方法可以快速有效的获取训练标签,保留下强区分能力的特征,并实现较高的精度,在中文微博情感分类上是一个有竞争力的方法。