收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

神经网络集成BOOSTING类算法研究

高敬阳  
【摘要】:神经网络集成Boosting算法有许多变种,在实践中最典型最有应用价值的是Adaboost算法,AdaBoost算法有错误样本恶性积累的缺点。随着迭代的继续,错误样本的权重呈指数级不断上升,便会出现恶性积累,这种恶性积累将会一直持续下去。为了避免这种恶性积累的产生,以及造成的过拟合现象,本文针对AdaBoost算法的研究主要包括以下内容: (1)针对AdaBoost算法权值修改策略中存在过分偏重于困难样本的情况,提出了基于争议度修改权值的算法ERstd—AdaBoost。该算法根据争议度的大小和分类正误结果来决定权值调整幅度,这种有差别的对样本权值进行调整,在一定程度上抑制了困难样本权重的逐轮积累;在不损失差异度的前提下提高了个体分类器的泛化精度,从而提高了网络集成的泛化性能。 (2)针对AdaBoost算法产生的过拟合现象,提出了基于样本分布调整权值的算法ABSD。该算法根据样本在各类中的分布情况,设置非相等的初始权值,以及训练过程中样本权值遵循样本分布情况的调整策略,ABSD算法大大减少了过拟合现象,并可以有效提高集成网络的泛化性能。 (3)对逆向权值分布策略的集成网络泛化性能、个体分类器泛化性能及网络的差异度进行了深入研究,提出了逆向权值分布策略的改进算法IB+。该算法与正向权值策略不同,即差异度对逆向权值分布策略所生成的集成网络泛化性能的影响很小,泛化性能的决定因素为其个体分类器的泛化性能。改进后逆向权值分布策略算法的泛化性能某些方面优于正向权值分布策略。 (4)针对滚动轴承在线故障诊断问题,提出了基于时域信号波形的特征提取方法。提出基于AHP分析方法,通过确定最小欧氏距离、欧氏距离总和及欧氏距离方差三个测度指标的不同权重,完成了同维数时特征提取方法的综合评价,并给出特征提取方法评价的量化结果。综合评价方法不仅可以验证提取方法的可分性和有效程度,还为不同方法的取舍或特征的优化选择提供了度量评价手段。 (5)采用ABSD算法融入到改进的逆向算法IB+中,通过对常规统计特征、优化后的波形纵向特征、横向特征的训练,验证了IB+算法泛化性能好于其他算法;验证了波形特征的分类能力好于常规统计特征。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 孟江,王耀才,王天成,巩敦卫;神经网络集成的免疫学习算法[J];中国矿业大学学报;2005年04期
2 孙凤琪;;AdaBoost集成神经网络在冲击地压预报中的应用[J];吉林大学学报(信息科学版);2009年01期
3 凌锦江,周志华;基于因果发现的神经网络集成方法[J];软件学报;2004年10期
4 傅强,胡上序,赵胜颖;基于PSO算法的神经网络集成构造方法[J];浙江大学学报(工学版);2004年12期
5 孔安生,王洪澄,李国正;神经网络集成与支持向量机在多值分类问题上的比较研究[J];计算机工程与应用;2005年01期
6 齐新战;刘丙杰;冀海燕;;基于聚类分析的综合神经网络集成算法[J];计算机仿真;2010年01期
7 高琳,高峰,管晓宏,周佃民;电力系统短期负荷预测的多神经网络Boosting集成模型[J];西安交通大学学报;2004年10期
8 王正群;陈世福;陈兆乾;;基于模糊划分的神经网络集成[J];南京大学学报(自然科学版);2006年01期
9 刘青,周鹏;基于强泛化神经网络的大规模基因表达数据分析[J];计算机工程;2005年03期
10 丁一;;基于人工神经网络的负相关学习研究[J];计算机仿真;2007年06期
11 凌霄汉;吉根林;;一种快速选择性神经网络集成方法[J];郑州大学学报(理学版);2006年04期
12 周志华,陈世福;神经网络集成[J];计算机学报;2002年01期
13 刘关松,徐建国,高敦岳;基于神经网络集成的舌苔分类方法[J];计算机工程;2003年14期
14 乔双,宋建中;基于DSP并行结构的多神经网络集成分类器[J];物理实验;2003年11期
15 龚安;张敏;;基于约束规划的选择性神经网络集成方法[J];计算机科学;2007年06期
16 王正群,陈世福,陈兆乾;优化分类型神经网络线性集成[J];软件学报;2005年11期
17 王立;朱学峰;;基于新型进化规划的异构神经网络集成算法[J];华南理工大学学报(自然科学版);2009年01期
18 沈掌泉,孔繁胜;基于个体选择的动态权重神经网络集成方法研究[J];计算机工程与应用;2005年12期
19 巩文科;李长河;石争浩;赵洁;;基于样本重构的神经网络集成学习方法[J];计算机应用;2006年06期
20 文习明;;基于神经网络集成的数据分析[J];现代计算机;2006年05期
中国重要会议论文全文数据库 前10条
1 翟素兰;罗斌;郭玉堂;;双向Boosting模糊聚类集成[A];第二十六届中国控制会议论文集[C];2007年
2 李秋洁;茅耀斌;王执铨;;一种基于boosting的不平衡数据分类算法[A];中国自动化学会控制理论专业委员会C卷[C];2011年
3 冯明时;胥永刚;马海龙;高立新;;滚动轴承微弱特征的非线性增强与解调方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
4 袁惠群;闻邦椿;王德友;杨积东;;滚动轴承-转子-定子系统的碰摩故障分析[A];2003大型发电机组振动和转子动力学学术会议论文集[C];2003年
5 吕强;刘士荣;俞金寿;;神经网络聚类加权集成及其应用[A];2007年中国智能自动化会议论文集[C];2007年
6 朱泉;;滚动轴承故障诊断的实用技巧[A];第十届全国设备监测与诊断技术学术会议论文集[C];2000年
7 张鹏;;滚动轴承的模糊疲劳可靠性计算[A];模糊数学和系统成果会论文集[C];1991年
8 苏钢;姚成宝;;高温鼓风机轴承故障分析与诊断[A];第十届全国设备监测与诊断技术学术会议论文集[C];2000年
9 李健宝;彭涛;;基于EMD与相关性分析的滚动轴承智能故障诊断[A];第二十九届中国控制会议论文集[C];2010年
10 张俊杰;;陶瓷材料在滚动轴承上的应用[A];面向21世纪的科技进步与社会经济发展(下册)[C];1999年
中国博士学位论文全文数据库 前10条
1 高敬阳;神经网络集成BOOSTING类算法研究[D];北京化工大学;2012年
2 林民龙;基于神经网络集成的增量式学习[D];中国科学技术大学;2012年
3 张振宇;基于Boosting算法的感知无线电决策研究及其应用[D];贵州大学;2009年
4 于合龙;精准农业生产中若干智能决策问题研究[D];吉林大学;2010年
5 于玲;基于数据的复杂系统集成建模方法及其应用研究[D];浙江大学;2006年
6 刘冲;模拟电路故障诊断AdaBoost集成学习方法研究[D];大连海事大学;2011年
7 陈晓娟;模拟电路神经网络故障诊断方法的研究[D];吉林大学;2006年
8 李辉;提高密度泛函理论方法计算吸收能的精度:神经网络和遗传算法[D];东北师范大学;2009年
9 谢元澄;分类器集成研究[D];南京理工大学;2009年
10 沈掌泉;神经网络集成技术及其在土壤学中应用的研究[D];浙江大学;2005年
中国硕士学位论文全文数据库 前10条
1 徐瑜;基于主动差异学习神经网络集成的电力变压器故障诊断方法研究[D];湘潭大学;2010年
2 李岩;神经网络集成及其在分类和回归问题中的应用研究[D];华北电力大学(河北);2010年
3 李贝贝;神经网络集成算法研究及其在煤矿安全中的应用[D];山东师范大学;2012年
4 夏贵荣;神经网络集成在公交行驶时间预测中的研究与应用[D];兰州理工大学;2010年
5 杨阳;基于输出误差曲线差异度计算的神经网络集成[D];北京化工大学;2011年
6 关超;稳定的Boosting类神经网络新算法研究[D];北京化工大学;2011年
7 张冬威;基于网络聚类选择的神经网络集成方法及其在农业中的应用[D];吉林大学;2011年
8 陈松峰;利用PCA和AdaBoost建立基于贝叶斯的组合分类器[D];郑州大学;2010年
9 孙智源;基于过程神经网络集成的航空发动机性能衰退预测[D];哈尔滨工业大学;2010年
10 赵乃伟;基于误差矢量化的选择性神经网络集成方法的研究与应用[D];北京化工大学;2012年
中国重要报纸全文数据库 前10条
1 洛阳轴承研究所总工程师 杨晓蔚;我国滚动轴承与国外有哪些差距[N];中国机电日报;2002年
2 范增军;施福乐看中中国滚动轴承市场[N];中国汽车报;2004年
3 ;制造滚动轴承实体保持架的高铝锌基合金材料[N];中国有色金属报;2003年
4 周俊 宋爱华;山东泰安滚动轴承碳钢球联盟标准成功立项[N];中国质量报;2010年
5 刘伊婷;滚动轴承实物质量合格率94.6%[N];中国质量报;2008年
6 郭志坚;滚动轴承产品质量抽查合格率94.6%[N];中国工业报;2008年
7 杨一;滚动轴承行业标准及技术升级交流会拟在京举办[N];中国建材报;2007年
8 本报特约记者 孙烈根;依靠技术创新 不断开拓市场[N];中国机电日报;2000年
9 理想;LMGU下半环外套圈双列调心滚动轴承的特点[N];中国建材报;2011年
10 贺泰山;浙江滚动轴承公司纳才有术[N];中国机电日报;2000年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978