一种改进的随机向量函数链接网络集成模型 |
| |
引用本文: | 季洋洋,王士同.一种改进的随机向量函数链接网络集成模型[J].扬州大学学报(自然科学版),2023(5):47-51+63. |
| |
作者姓名: | 季洋洋 王士同 |
| |
作者单位: | 江南大学人工智能与计算机学院 |
| |
基金项目: | 国家重点研发计划重点专项资助项目(2022YFE0112400);;江苏省自然科学基金资助项目(BK20191331); |
| |
摘 要: | 针对传统随机向量函数链接网络集成模型时多样性不足和泛化性能差的问题,提出一种改进的随机向量函数链接集成模型.首先,通过6种简单回归模型替代传统随机向量函数链接网络中的直接链接;其次,采用高斯过程回归(Gaussian process regression, GPR)方法初始化隐含层参数,增强各基分类器的多样性;最后,使用不同的结合策略,集成具有差异性的基分类器得到预测模型.结果表明,改进的随机向量函数链接集成模型的预测精度明显高于其他传统集成模型,较传统随机向量函数链接网络具有更好的泛化性能.
|
关 键 词: | 随机向量函数链接网络 简单回归模型 直接链接 多样性 |
|
|