基于AdaBoost的神经元形态分类的研究

摘要

根据神经元形态的几何特征,使用AdaBoost算法对其进行分类,采用决策树、贝叶斯和关联规则分类模型作为基分类器。算法首先采用直接面向纽合分类器分类精度提升的集成学习算法选取基分类器,其次利用分类过程中生成样本的累计权值来调整前K次(K＞1)被错误分类样本的权重,并提出双重阈值法对样本的最终投票表决结果进行判定。对20个测试样本进行分类,得出高可信度分类数为18个。