论文部分内容阅读
研究了小样本数据集的神经网络分类器集成，提出了适合于小样本数据集的神经网络分类器集成方法Novel_NNE，通过生成差异数据提高神经网络集成中个体的差异性，从而提高集成学习的泛化性能；最后应用不同的融合技术针对UCI标准数据集进行了实验研究．结果表明，在集成算法Novel_NNE中，使用相对多数投票与贝叶斯融合方法的性能优于行为知识空间融合方法．