%0 Journal Article
%T 基于神经网络的纠错输出编码方法研究
%A 周进登
%A 周红建
%A 杨云
%A 郭长华
%A 胡洪宇
%J 电子学报
%P 1114-1121
%D 2013
%R 10.3969/j.issn.0372-2112.2013.06.012
%X 构造基于数据编码矩阵是目前利用纠错输出编码解决多类分类问题的研究重点.为此提出利用单层感知器作为学习框架,结合解码策略把输出编码矩阵各码元值映射为感知器网络中的权值,同时引入含权值取值约束的目标函数作为该网络代价函数,并对其进行学习,最终得到基于子类划分的数据编码矩阵.实验中利用人工数据集和UCI数据集并选择线性逻辑分类器作为基分类器分别进行测试,通过与几种经典编码方法比较,结果表明该编码方法能在编码长度较小情况下得到更好的分类效果.
%K 多类分类
%K 纠错输出编码
%K 神经网络
%U http://www.ejournal.org.cn/CN/abstract/abstract7860.shtml