基于bagging的概率神经网络集成分类算法

目前的神经网络较多集中在以bp算法为基础的bp神经网络上。针对bp神经网络的不足,在分析研究概率神经网络和机器学习的基础上,结合集成学习的思想,提出了基于bagging的概率神经网络集成分类算法。理论分析和实验结果都表明,提出的算法能够有效地降低分类误差,提高分类准确率,具有较好的泛化能力以及较快的执行速度,能够取得比传统的bp神经网络分类方法更好和更稳定的分类结果。