CIFAR-10：基于 KNN 的分类器集成方法
计算机视觉与模式识别
2016-11-16 v1
摘要
本文研究了不同分类器在 CIFAR-10 数据集上的性能，并构建了一个分类器集成模型以达到更优性能。我们表明，在 CIFAR-10 上，K-最近邻（KNN）和卷积神经网络（CNN）在某些类别上具有互斥性，因此组合时可获得更高的准确率。我们使用主成分分析（PCA）降低 KNN 的过拟合，并将其与 CNN 集成以提高准确率。我们的方法将最佳 CNN 模型的准确率从 93.33% 提升至 94.03%。
引用
@article{arxiv.1611.04905,
title = {CIFAR-10: KNN-based Ensemble of Classifiers},
author = {Yehya Abouelnaga and Ola S. Ali and Hager Rady and Mohamed Moustafa},
journal= {arXiv preprint arXiv:1611.04905},
year = {2016}
}