摘 要：文章介绍了 Stacking 集成学习方法、BP 神经网络模型，分别讨论了单分类器的精度，特征提取与单分类器结合的算法的精度、Stacking 集成学习算法的精度。实验测试表明，以决策树、LDA、朴素贝叶斯、随机森林为基学习器，以 BP神经网络为元学习器所建立的 Stacking 算法是最佳的光谱分类算法，该算法稳定性强，学习效果好，平均准确率高达 94%。
关键词：Stacking 模型融合；BP 神经网络模型；多分类问题
DOI:10.19850/j.cnki.2096-4706.2022.04.024
中图分类号：TP18 文献标识码：A 文章编号：2096-4706（2022）04-0091-05
Spectral Classification Algorithm of Stacking Model Fusion Based on BP Neural Network
LIN Miaofang
(South China Normal University, Guangzhou 510631, China)
Abstract: This paper introduces Stacking ensemble learning method and BP neural network model, discusses respectively the accuracy of the single classifier, the accuracy of the algorithm combining feature extraction and single classifier, and the accuracy of the Stacking ensemble learning algorithm. The experimental test shows that the Stacking algorithm established by a base learning machine of the decision tree, LDA, Naive Bayes, random forest, and a meta learning machine of BP neural network, is the best spectral classification algorithm. The algorithm has strong stability, good learning effect, and the average accuracy rate is up to 94%.
Keywords: Stacking model fusion; BP neural network model; multiple classification problem
参考文献：
[1] 何丽，韩文秀 . 用元决策树组合多个分类器的方法 [J]. 计算机工程，2005（12）：18-19+80.
[2] 秦飞 . 基于半监督学习的文本分类研究 [D]. 四川：西南交通大学，2010.
[3] 李昆明，厉文婕 . 基于利用 BP 神经网络进行 Stacking 模型融合算法的电力非节假日负荷预测研究 [J]. 软件，2019，40（9）：176-181.
[4] 包志强，胡啸天，赵媛媛，等 . 基于熵权法的 Stacking 算法 [J]. 计算机工程与设计，2019，40（10）：2885-2890.
[5] 曹婷婷， 张忠林 . 代价敏感的 KPCA-Stacking 不均衡数据分类算法 [J]. 计算机工程与科学，2021，43（3）：525-533.
[6] 孙娓娓 .BP 神经网络的算法改进及应用研究 [D]. 重庆：重庆大学，2009.
作者简介：林苗芳（2002.02—），女，汉族，广东汕尾人，本科在读，研究方向：信息与计算科学。