A new ensemble feature selection and its application to pattern classification
Dongbo, Zhang, Yaonan, Wang · Acta Scientiarum Naturalium Universitatis Sunyatseni · 2009
神经网络整体基于不平的集合编校被建议减少常规整体特征选择算法的计算复杂性。首先，把基因算法与物件 ampling 方法相结合的一种动态减小技术被采用与好归纳能力获得编校。第二，多重 BP 神经网络作为基础分类器基于不同编校被造。根据选择整体的想法，有最好的归纳能力的神经网络整体能被搜索策略发现。最后，分类被把部件网络的预言与投票相结合基于神经网络整体实现。方法在遥感图象和五个 UCI 数据集分类的实验被验证了。与常规整体特征选择算法相比，它花费更少的时间和更低的计算复杂性，并且分类精确性是令人满意的。