基于神经网络集成的模式识别研究

摘要

针对神经网络训练集规模较小时,个体神经网络间的差异会变小,从而降低了神经网络的泛化能力和集成学习的性能等问题,本文通过对训练集添加一定量的噪声,来增大训练样本集,使个体网络能在不同的样本上训练,进而提高集成网络精度以及集成中个体网络的差异度。并将其应用于模式识别,实验结果表明,该方法能有效的提高神经网络集成的泛化能力与模式识别的精度。