论文研究基于最优权重的神经网络集成文本分类研究.pdf

将神经网络集成思想引入Web文本分类领域,提出了利用最小估计误差策略进行最优加权网络集成的方案。具体做法是根据各网络的分类性能、各网络同其他网络的相关程度给每个网络的后验概率估计赋予不同的权值,通过加权平均提高后验概率估计的准确程度,进而提高分类率。英文数据库的实验结果表明,与经典的Bayes模型、kNN模型相比,该模型具有更高的分类精度与更快的分类速度。