重庆理工大学学报2021，Vol.35Issue(1) ：168-179.DOI:10.3969/j.issn.1674-8425(z).2021.01.022

一种深度置信提升网络集成分类模型

An Integrated Classification Model Based on Deep Belief Network and Gradient Promotion Strategy

宋晓明 曲文龙 阚明阳 汪慎文
重庆理工大学学报2021，Vol.35Issue(1) ：168-179.DOI:10.3969/j.issn.1674-8425(z).2021.01.022
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据

一种深度置信提升网络集成分类模型

An Integrated Classification Model Based on Deep Belief Network and Gradient Promotion Strategy

宋晓明 1曲文龙 2阚明阳 1汪慎文2
扫码查看

作者信息

  • 1. 河北地质大学信息工程学院,石家庄 050031
  • 2. 河北地质大学信息工程学院,石家庄 050031;河北地质大学机器学习与人工智能实验室,石家庄 050031
  • 折叠

摘要

针对前大数据环境下浅层机器学习模型提取特征能力不足、分类能力有限等问题,提出了一种深度置信提升网络集成分类模型.该模型采用集成深度置信网络(deep belief net-works,DBN)进行特征提取,克服了单一模型特征提取能力不足的问题;采用极端梯度提升决策树(eXtreme gradient boosting,XGBoost)和梯度提升决策树(gradient boost decision tree,GBDT)构建深层提升网络,对提取特征进行多层特征深度学习,采用相对多数投票法输出分类结果.基于4个UCI公开数据集和MNIST数据集对提出模型进行了检测实验,实验结果表明:提出模型较深度置信网络、极限梯度提升树和DBN-XGBDT等3种模型的准确率分别提升了13.8％、6.98％和4.18％.

关键词

深度置信网络/级联结构/集成学习/分类

引用本文复制引用

基金项目

国家自然科学基金资助项目(61402481)

河北省重点研发计划项目(18212005)

河北省教育厅自然科学基金重点项目(ZD2018083)

河北青年拔尖人才支持计划项目(冀字[2013]17号)

出版年

2021
重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
被引量3
参考文献量4
段落导航相关论文