期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于特征加权的Category ART网络及应用
被引量:
1
1
作者
丁智国
刘悦
吴耿锋
《计算机工程》
CAS
CSCD
北大核心
2007年第8期201-204,共4页
特征加权是特征选择的一般情况,它能更加细致地区分特征对结果影响的程度,往往能够获得比特征选择更好的或者至少相等的性能。该文采用自适应遗传算法来优化Category ART网络的特征权值,提出了一种改进的Category ART网络FWART。在UCI...
特征加权是特征选择的一般情况,它能更加细致地区分特征对结果影响的程度,往往能够获得比特征选择更好的或者至少相等的性能。该文采用自适应遗传算法来优化Category ART网络的特征权值,提出了一种改进的Category ART网络FWART。在UCI标准数据集上的实验表明,FWART网络获得了比Category ART网络更好的泛化能力。将该网络应用在地震震型预报上,取得了很好的预报效果。
展开更多
关键词
CategoryART神经网络
特征加权
遗传算法
震型预报
下载PDF
职称材料
基于特征加权的神经网络集成及其应用
2
作者
刘悦
吴耿锋
丁智国
《上海大学学报(自然科学版)》
CAS
CSCD
北大核心
2007年第5期623-628,共6页
泛化能力是机器学习关注的基本问题之一.特征加权是特征选择的更一般情况,它能更加细致地区分特征对结果影响的程度,往往能够获得比特征选择更好的或者至少相等的性能,已经成为普遍的提高学习器的泛化能力的方法之一.该文提出一种基于...
泛化能力是机器学习关注的基本问题之一.特征加权是特征选择的更一般情况,它能更加细致地区分特征对结果影响的程度,往往能够获得比特征选择更好的或者至少相等的性能,已经成为普遍的提高学习器的泛化能力的方法之一.该文提出一种基于特征加权的神经网络集成方法FWEART,该方法通过自适应遗传算法的优胜劣汰机制为输入属性确定了特征权值,提高了集成中各个体Category ART网络的精度和差异度,从而提高了神经网络集成的泛化能力.在UCI标准数据集上验证了有效性后,FWEART被应用在地震序列类型预报上,取得了较好的预报效果.
展开更多
关键词
集成学习
特征加权
CategoryART网络
震型预报
下载PDF
职称材料
题名
基于特征加权的Category ART网络及应用
被引量:
1
1
作者
丁智国
刘悦
吴耿锋
机构
上海大学计算机工程与科学学院
出处
《计算机工程》
CAS
CSCD
北大核心
2007年第8期201-204,共4页
基金
国家自然科学基金资助项目(20503015)
文摘
特征加权是特征选择的一般情况,它能更加细致地区分特征对结果影响的程度,往往能够获得比特征选择更好的或者至少相等的性能。该文采用自适应遗传算法来优化Category ART网络的特征权值,提出了一种改进的Category ART网络FWART。在UCI标准数据集上的实验表明,FWART网络获得了比Category ART网络更好的泛化能力。将该网络应用在地震震型预报上,取得了很好的预报效果。
关键词
CategoryART神经网络
特征加权
遗传算法
震型预报
Keywords
Category ART neural network
Feature weighted
Genetic algorithm
Earthquake type prediction
分类号
TP393 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于特征加权的神经网络集成及其应用
2
作者
刘悦
吴耿锋
丁智国
机构
上海大学计算机工程与科学学院
出处
《上海大学学报(自然科学版)》
CAS
CSCD
北大核心
2007年第5期623-628,共6页
基金
国家自然科学基金资助项目(7050202020503015)
文摘
泛化能力是机器学习关注的基本问题之一.特征加权是特征选择的更一般情况,它能更加细致地区分特征对结果影响的程度,往往能够获得比特征选择更好的或者至少相等的性能,已经成为普遍的提高学习器的泛化能力的方法之一.该文提出一种基于特征加权的神经网络集成方法FWEART,该方法通过自适应遗传算法的优胜劣汰机制为输入属性确定了特征权值,提高了集成中各个体Category ART网络的精度和差异度,从而提高了神经网络集成的泛化能力.在UCI标准数据集上验证了有效性后,FWEART被应用在地震序列类型预报上,取得了较好的预报效果.
关键词
集成学习
特征加权
CategoryART网络
震型预报
Keywords
ensemble learning
feature weighting
category ART neural network
earthquake type prediction
分类号
TP311.5 [自动化与计算机技术—计算机软件与理论]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于特征加权的Category ART网络及应用
丁智国
刘悦
吴耿锋
《计算机工程》
CAS
CSCD
北大核心
2007
1
下载PDF
职称材料
2
基于特征加权的神经网络集成及其应用
刘悦
吴耿锋
丁智国
《上海大学学报(自然科学版)》
CAS
CSCD
北大核心
2007
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部