论文部分内容阅读
组合分类是一种有效的分类方法, 然而训练完成后该方法须要存储大量的基分类器, 并且每一次预测过程 都需要统计每个基分类器的分类结果作最终的预测, 同时具有较高的时间和空间复杂度.针对组合分类存在的问题提 出了 EBNN, 该方法使用神经网络从实例中学习值为实数、 离散值或向量的函数, 将组合分类器从实例到类标号的映射看 成是一个函数, 然后用神经网络来拟合这个函数, 这样训练完成后只需存储一个神经网络模型, 大幅降低了预测时的时 间和空间复杂度.在 2 0个 UCI数据集上的实验结果表明, 与决策树、 神