基于模糊积分的多神经网络集成信息融合

doi:10.3969/j.issn.1000-3428.2012.16.040

计算机工程 ›› 2012, Vol. 38 ›› Issue (16): 157-160. doi: 10.3969/j.issn.1000-3428.2012.16.040

基于模糊积分的多神经网络集成信息融合

王征宇，肖南峰

(华南理工大学计算机科学与工程学院，广州 510006)

收稿日期:2011-09-21 修回日期:2012-12-09 出版日期:2012-08-20 发布日期:2012-08-17
作者简介:王征宇(1982－)，男，博士研究生，主研方向：神经网络集成，云计算技术；肖南峰，教授、博士
基金资助:
国家自然科学基金资助项目(61171141)

Multi-neural Network Ensemble Information Fusion Based on Fuzzy Integral

WANG Zheng-yu, XIAO Nan-feng

(School of Computer Science and Engineering, South China University of Technology, Guangzhou 510006, China)

Received:2011-09-21 Revised:2012-12-09 Online:2012-08-20 Published:2012-08-17

摘要/Abstract

摘要： 使用模糊积分实现集成神经网络中的子分类器信息融合，提出一种更加有效和全面的模糊密度，用于模糊积分的计算。以双螺旋分类问题为实验对象，使用集成神经网络实现具有较高正确率的分类方法，对神经网络集成的有效性和各类参数的设定作实验分析，并通过多种模糊密度的比较数据说明该模糊密度函数的有效性。

关键词: 神经网络集成, 集成学习, 信息融合, 模糊积分, 模糊密度, 双螺旋分类问题

Abstract: This paper uses fuzzy integral to complete the information fusion of member classifier in ensemble neural network. A more effective fuzzy density function using in fuzzy integral is proposed. Two spirals classification is regarded as experiment object. Ensemble neural network is used to realize the classification method which has better correct rate. Simulation experiments are done to analyze the validity of neural network and different parameters. And experimental data proves the new fuzzy density function is more effective.

Key words: neural network ensemble, ensemble learning, information fusion, fuzzy integral, fuzzy density, two spirals classification problem

中图分类号:

TP18

王征宇, 肖南峰. 基于模糊积分的多神经网络集成信息融合[J]. 计算机工程, 2012, 38(16): 157-160.

WANG Zheng-Yu, XIAO Na-Feng. Multi-neural Network Ensemble Information Fusion Based on Fuzzy Integral[J]. Computer Engineering, 2012, 38(16): 157-160.

http://www.ecice06.com/CN/Y2012/V38/I16/157

参考文献

[1] Singh S. 2D Spiral Recognition Using Possibilistic Measures[J]. Pattern Recognition Letters, 1998, 19(2): 141-147.
[2] Liang Yanchun, Feng D P, Lee H P, et al. Successive Approxi- mation Training Algorithm for Feed Forward Neural Networks[J]. Neurocomputing, 2002, 42(1-4): 311-322.
[3] Hansen L K, Salamon P. Neural Network Ensembles[J]. IEEE Trans. on Pattern Analysis and Machine Intelligence, 1990, 12(10): 993-1001.
[4] Sollich P, Krogh A. Learning with Ensembles: How over Fitting Can be Useful[C]//Proc. of Annual Conference on Neural Information Processing System. Cambridge, USA: MIT Press, 1996: 190-196.
[5] 田雨波, 李正强. 基于混沌PSO算法的选择性神经网络集成方法[J]. 计算机应用, 2008, 28(11): 2844-2846.
[6] Wang Shulin, Yin Shuang, Jiang Minghui. Hybrid Neural Network Based on GA-BP for Personal Credit Scoring[C]//Proc. of the 4th International Conference on Natural Computation. [S. l.]: IEEE Press, 2008: 209-214.
[7] 张晓丹, 赵海. 神经网络集成融合模型研究及应用[J]. 计算机工程, 2007, 33(14): 210-212.
[8] Kobayashi H, Hara F. Facial Interaction Between Animated 3D Face Robot and Human Beings[C]//Proc. of IEEE International Conference on Systems, Man, and Cybernetics. [S. l.]: IEEE Press, 1997: 3732-3737.
[9] Zhou Zhihua, Wu Jianxin, Tang Wei. Ensembling Neural Networks: Many Could be Better than All[J]. Artificial Intelligence, 2002, 137(1/2): 239-263.
[10] Krogh A, Vedelsby J. Neural Network Ensembles, Cross Validation, and Active Learning[C]//Proc. of Annual Conference on Neural Information Processing System. [S. l.]: MIT Press, 1995: 231-238.
[11] Breiman L. Bagging Predictors[J]. Machine Learning, 1994, 24(2): 123-140.
[12] Freund Y, Schapire R E. Experiments with a New Boosting Algorithm[C]//Proc. of the 13th International Conference on Machine Learning. [S. l.]: Morgan Kaufmann Publishers, 1996: 148-156.
[13] Xu Lei. Methods of Combining Multiple Classifiers and Their Applications to Handwriting Recognition[J]. IEEE Trans. on Systems, Man and Cybernetics, 1992, 22(3): 418-435.
[14] Roli E, Kittler J. Fusion of Multiple Classifiers[J]. Information Fusion, 2002, 3(4): 243-244.
[15] Valentini G, Masulli F. Ensembles of Learning Machines[C]//Proc. of the 13th Italian Workshop on Neural Nets-revised Papers. London, UK: Springer-Verlag, 2002: 3-22.
[16] Kittler J, Hatef M, Duin R P, et al. On Combining Classifiers[J] IEEE Trans. on Pattern Analysis and Machine Intelligence, 1998, 20(3): 226-239.
[17] Reddy G, Mohan B, Sankar P. Classification of Remotely Sensed Images Using Neural Network Ensemble and Fuzzy Integration[C]//Proc. of the 1st International Conference on Pattern Recognition and Machine Intelligence. Berlin, Germany: Springer, 2005: 350-355.
[18] 顾晓敏, 林锦国, 梅雪. 基于模糊积分分类器融合的人脸识别[J]. 计算机工程, 2010, 36(18): 38-40.
[19] 刘玉玲, 杜瑞忠. 基于模糊积分的多神经网络融合在入侵检测中的应用[J]. 河北大学学报: 自然科学版, 2008, (3): 312-317.
[20] 王晓君. 基于模糊积分的多分类器融合研究[D]. 保定: 河北大学, 2005.

选择文件类型/文献管理软件名称

选择包含的内容

基于模糊积分的多神经网络集成信息融合

Multi-neural Network Ensemble Information Fusion Based on Fuzzy Integral

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	陈仲磊, 伊鹏, 陈祥, 胡涛. 基于集成学习的系统调用实时异常检测框架[J]. 计算机工程, 2023, 49(6): 162-169,179.
[2]	艾成豪, 高建华, 黄子杰. 混合特征选择和集成学习驱动的代码异味检测[J]. 计算机工程, 2022, 48(7): 168-176,198.
[3]	王萌铎, 续欣莹, 阎高伟, 史丽娟, 郭磊. 基于AdaBoost集成加权宽度学习系统的不平衡数据分类[J]. 计算机工程, 2022, 48(4): 99-105,112.
[4]	金婧, 万怀宇, 林友芳. 融合实体类别信息的知识图谱表示学习[J]. 计算机工程, 2021, 47(4): 77-83.
[5]	宝音图, 刘伟, 牛朝阳, 李润生, 张浩波. 联合集成学习与EfficientNet的光学遥感图像场景分类[J]. 计算机工程, 2021, 47(10): 226-235.
[6]	王旭, 陈永乐, 王庆生, 陈俊杰. 结合特征选择与集成学习的密码体制识别方案[J]. 计算机工程, 2021, 47(1): 139-145,153.
[7]	李培媛, 黄迟. 基于CSPPNet与集成学习的人类蛋白质图像分类方法[J]. 计算机工程, 2020, 46(8): 235-242.
[8]	周胜, 刘三民. 基于动态策略的多源迁移学习数据流分类研究[J]. 计算机工程, 2020, 46(5): 139-143,149.
[9]	仇瑜, 程力. 面向财税领域的实体识别与标注研究[J]. 计算机工程, 2020, 46(5): 312-320.
[10]	许勇, 刘井平, 肖仰华, 朱慕华. 基于协同训练的电商领域短语挖掘[J]. 计算机工程, 2020, 46(4): 70-76,84.
[11]	柯鹏飞, 蔡茂国, 吴涛. 基于改进卷积神经网络与集成学习的人脸识别算法[J]. 计算机工程, 2020, 46(2): 262-267,273.
[12]	廖含月, 曾剑平, 吴承荣. 一种多模型集成的网络论坛流量预测模型[J]. 计算机工程, 2020, 46(12): 60-66,72.
[13]	薛铭龙,李一博. 基于改进随机森林算法的智能环境活动识别[J]. 计算机工程, 2019, 45(5): 149-154.
[14]	林金钏,艾浩军. 噪声可容忍的标记组合半监督学习算法[J]. 计算机工程, 2019, 45(4): 157-162,168.
[15]	鲁强,刘歆琦. 基于RNN集成学习的个人轨迹恢复方法[J]. 计算机工程, 2019, 45(3): 188-196,201.

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

基于模糊积分的多神经网络集成信息融合

Multi-neural Network Ensemble Information Fusion Based on Fuzzy Integral

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价