层次分析的神经网络集成方法

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

层次分析的神经网络集成方法

陈文宇, 刘井波, 孙世新

文章导航 > 电子科技大学学报 > 2008 > 37(3): 432-435

陈文宇, 刘井波, 孙世新. 层次分析的神经网络集成方法[J]. 电子科技大学学报, 2008, 37(3): 432-435.

引用本文:

陈文宇, 刘井波, 孙世新. 层次分析的神经网络集成方法[J]. 电子科技大学学报, 2008, 37(3): 432-435.

CHEN Wen-yu, LIU Jing-bo, SUN Shi-xin. Method for Neural Network Ensemble Based on Analytical Hierarchy Process[J]. Journal of University of Electronic Science and Technology of China, 2008, 37(3): 432-435.

Citation:

CHEN Wen-yu, LIU Jing-bo, SUN Shi-xin. Method for Neural Network Ensemble Based on Analytical Hierarchy Process[J]. Journal of University of Electronic Science and Technology of China, 2008, 37(3): 432-435.

层次分析的神经网络集成方法

1.
电子科技大学计算机科学与工程学院成都 610054;
2.
重庆三峡学院数学与计算机科学学院重庆万州区 404000

基金项目:

国家自然科学基金(60471055)

作者简介:
陈文宇(1968-),男,博士生,副教授,主要从事模式识别、编译技术、自动机理论等方面的研究.

中图分类号: TP183

Method for Neural Network Ensemble Based on Analytical Hierarchy Process

1.
School of Computer Science and Engineering,University of Electronic Science and Technology of China Chengdu 610054;
2.
School of Mathematics and Computer Science,Chongqing Three Gorges University Wanzhou Chongqing 404000

摘要: 提出了基于层次分析法的神经网络集成方法;介绍了四种不同类型的神经网络,并用这四种不同类型的神经网络构造了五个独立并行处理的模式识别子系统,对每个子系统进行独立训练并分别进行模式识别,统计每一输入模式被各子系统识别成的模式及次数,按识别次数进行两两成对比较;计算各输入模式的识别结果与典型故障模式识别结果间的期望与方差的大小,进行两两成对比较并进行一致性检验。选取层次分析法中准则层对目标层的权重,综合各神经网络子系统的识别情况与输入模式和目标模式的差异大小计算输入模式对各典型故障模式的整体权值并以此作出决策。使用matlab软件进行仿真计算,得到的故障正确识别率。层次分析法神经网络集成方法取得了比相对多数集成方法好的识别效果,还可集成其他模式的识别方法。
- 层次分析法 /
- 集成 /
- 泛化 /
- 神经网络
Abstract: This paper presents a method based on analytical hierarchy process (AHP) for neural network ensemble. In the method, five subsystems are constructed. Those neural networks compute parallel which have been trained solely. The decisions are made. Correct classification rates are obtained from the mat lab simulation. In experiments, the proposed methods have been successfully evaluated using thirteen different datasets, it is more effective than the relative majority voting scheme, it can be applicable to other method of pattern recognition.
- analytical hierarchy process /
- ensemble /
- generalization /
- neural network

[1]	杨旺功, 淮永建, 张福泉. 基于Gabor及深度神经网络的葡萄种子分类 . 电子科技大学学报, 2020, 49(1): 131-138. doi: 10.12178/1001-0548.2019164
[2]	宋明秋, 王琳, 姜宝彦, 邓贵仕. 多属性泛化的K-匿名算法 . 电子科技大学学报, 2017, 46(6): 896-901. doi: 10.3969/j.issn.1001-0548.2017.06.018
[3]	谭骏, 陈兴蜀, 杜敏, 朱锴. 基于自适应BP神经网络的网络流量识别算法 . 电子科技大学学报, 2012, 41(4): 580-585. doi: 10.3969/j.issn.1001-0548.2012.04.020
[4]	田毅贞, 张齐军. 知识型神经网络的射频/微波器件建模方法 . 电子科技大学学报, 2011, 40(6): 815-824. doi: 10.3969/j.issn.1001-0548.2011.06.002
[5]	田银, 尧德中. 线索化效应的返回抑制研究 . 电子科技大学学报, 2010, 39(6): 944-947. doi: 10.3969/j.issn.1001-0548.2010.06.029
[6]	杨宏宇, 谢丽霞, 朱丹. 漏洞严重性的灰色层次分析评估模型 . 电子科技大学学报, 2010, 39(5): 778-782,799. doi: 10.3969/j.issn.1001-0548.2010.05.027
[7]	钱艺, 王沁, 吴巍, 刘金龙. 神经网络并行MIMD处理器的研究及实现 . 电子科技大学学报, 2008, 37(6): 904-907.
[8]	袁继敏, 李小玲, 古天祥. 基于时空神经网络增强数字示波器功能的研究 . 电子科技大学学报, 2007, 36(5): 938-941.
[9]	刘贵松, 王晓彬. 采用自适应GHA神经网络的分类器设计 . 电子科技大学学报, 2007, 36(6): 1241-1244.
[10]	王运, 黄大贵, 杨天文. 开放式数控切割机神经网络误差补偿研究 . 电子科技大学学报, 2007, 36(2): 305-308.
[11]	傅彦, 周俊临, 吴跃. 快速神经网络无损压缩方法研究 . 电子科技大学学报, 2007, 36(6): 1245-1248.
[12]	陈科, 许家珆, 程永新. 基于免疫算法和神经网络的新型抗体网络 . 电子科技大学学报, 2006, 35(5): 804-806,840.
[13]	张继红, 黄大贵. 基于AHP法的智能制造CNC资源的优选 . 电子科技大学学报, 2006, 35(4): 514-517.
[14]	朱培勇, 孙世新. 具有时滞的Hopfield神经网络的周期解 . 电子科技大学学报, 2005, 34(5): 680-683.
[15]	文武, 杨汉生, 徐军, 钟守铭. 随机型细胞神经网络的稳定性 . 电子科技大学学报, 2005, 34(5): 700-702,716.
[16]	张春凤, 徐军, 钟守铭. 一类神经网络系统的渐近行为 . 电子科技大学学报, 2004, 33(1): 91-93.
[17]	徐军, 钟守铭, 张春凤. 分布时滞Hopfield神经网络稳定性 . 电子科技大学学报, 2004, 33(2): 200-203.
[18]	王定成, 王毅, 钟守铭. 一类神经网络算法的渐近行为 . 电子科技大学学报, 2003, 32(2): 221-224.
[19]	陈中柘. 神经网络定性分析 . 电子科技大学学报, 2002, 31(3): 250-254.
[20]	朱文莉. 一类具有时滞的神经网络的稳定性分析 . 电子科技大学学报, 2000, 29(5): 556-559.

WeChat

点击查看大图

计量

文章访问数: 3666
HTML全文浏览量: 106
PDF下载量: 97
被引次数: 0

层次分析的神经网络集成方法

1. 电子科技大学计算机科学与工程学院成都 610054;

2. 重庆三峡学院数学与计算机科学学院重庆万州区 404000

基金项目:

国家自然科学基金(60471055)

作者简介:
陈文宇(1968-),男,博士生,副教授,主要从事模式识别、编译技术、自动机理论等方面的研究.

收稿日期: 2007-07-06
修回日期: 2008-01-10
刊出日期: 2008-06-15

中图分类号: TP183

关键词:

摘要: 提出了基于层次分析法的神经网络集成方法;介绍了四种不同类型的神经网络,并用这四种不同类型的神经网络构造了五个独立并行处理的模式识别子系统,对每个子系统进行独立训练并分别进行模式识别,统计每一输入模式被各子系统识别成的模式及次数,按识别次数进行两两成对比较;计算各输入模式的识别结果与典型故障模式识别结果间的期望与方差的大小,进行两两成对比较并进行一致性检验。选取层次分析法中准则层对目标层的权重,综合各神经网络子系统的识别情况与输入模式和目标模式的差异大小计算输入模式对各典型故障模式的整体权值并以此作出决策。使用matlab软件进行仿真计算,得到的故障正确识别率。层次分析法神经网络集成方法取得了比相对多数集成方法好的识别效果,还可集成其他模式的识别方法。

English Abstract

陈文宇, 刘井波, 孙世新. 层次分析的神经网络集成方法[J]. 电子科技大学学报, 2008, 37(3): 432-435.

引用本文:

陈文宇, 刘井波, 孙世新. 层次分析的神经网络集成方法[J]. 电子科技大学学报, 2008, 37(3): 432-435.

CHEN Wen-yu, LIU Jing-bo, SUN Shi-xin. Method for Neural Network Ensemble Based on Analytical Hierarchy Process[J]. Journal of University of Electronic Science and Technology of China, 2008, 37(3): 432-435.

Citation:

CHEN Wen-yu, LIU Jing-bo, SUN Shi-xin. Method for Neural Network Ensemble Based on Analytical Hierarchy Process[J]. Journal of University of Electronic Science and Technology of China, 2008, 37(3): 432-435.

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发