網絡集成學習及其應用研究.pdf

1、網絡集成學習算法是將分類器網絡與集成學習并用，得到具有更強的學習能力和泛化能力的分類器網絡系統(tǒng)，并將其應用于SAR圖像目標分類識別和入侵檢測中，本論文的主要工作概括如下：
　　 (1)提出了一種自調節(jié)分類器網絡學習方法，對經典的網絡集成學習方法，提出了一種加權調節(jié)改進方法。該方法是在最終決策時引入各基分類器的權重，使得各基分類器決策的重要程度得到表征，從而提高了其穩(wěn)定性和抗噪性；在此基礎上，針對在經典的網絡集成學習方法中，可變的

2、參數較多且難協(xié)調的問題，采用免疫克隆選擇算法進行優(yōu)化，自動選出使得分類器網絡分類性能較好的參數組合，形成自調節(jié)分類器網絡，從而可以節(jié)省人力和時間找到較優(yōu)的參數組合。
　　 (2)提出了基于遷移網絡學習的SAR圖像目標分類識別方法，該方法是針對現有某些SAR圖像有標簽樣本較少，且存在遮擋和殘缺的目標圖像，正確識別率較低的問題，將遷移學習引入網絡集成學習中，構造了基分類器遷移模型，提出了遷移網絡學習算法，將其用于SAR圖像目標識別中