基于构造型神经网络的分类算法

《基于构造型神经网络的分类算法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第40卷第3期中南大学学报(自然科学版)Vol.40No.32009年6月JournalofCentralSouthUniversity(ScienceandTechnology)Jun.2009基于构造型神经网络的分类算法刘承水(北京城市学院城市信息应用研究所，北京，100083)摘要：提出一种基于构造型神经网络的最大密度覆盖分类算法，以便更加有效地解决模式识别的问题。首先，引入一个密度估计函数，用该函数对样本数据进行聚类分析，找出同类样本中具有最大密度的样本数据点，然后，在特征空间里作超平面与球面相交，得到1个球面覆盖领域，

2、从而将神经网络训练问题转化为点集覆盖问题。该算法的特点是直接对样本数据进行处理，有效地克服了传统神经网络训练时间长、学习复杂的问题，同时也考虑了神经网络规模的优化问题。计算机仿真实验结果证实了该算法的有效性。关键词：模式识别；神经网络；覆盖；神经元；分类算法中图分类号：TP18文献标识码：A文章编号：1672−7207(2009)03−0737−05ClassificationalgorithmbasedonconstructiveneuralnetworksLIUCheng-shui(DigitalCityInstitute,

3、BeijingCityUniversity,Beijing100083,China)Abstract:Anewmaximumdensitycoveringclassificationalgorithmbasedonconstructiveneuralnetworkswasproposed,whichcanbeusedtoresolvetheproblemofpatternrecognitionmoreeffectively.Firstly,adensityestimatingfunctionwasproposed,whichwa

4、susedforclusteringanalysisofsampledata,andasampledatapointwiththemaximumdensitywasfound.Then,asuper-planewasmadetointersectasphereinthecharacteristicsofthespace,andasphericalcoveringareawasobtained,bywhichthetrainingproblemofneuralnetworkscanbetransformedintothecover

5、ingproblemofapointset.Thecharacteristicofthealgorithmisthatthesampledatacanbehandleddirectly.Thisnewalgorithmcanreducethelongtrainingtimeandlearningcomplexityoftraditionalneuralnetworks.Theoptimizationoftheneuralnetworkisalsoconsidered.Thesimulationresultsshowthatthe

6、proposedneuralnetworkisquiteefficient.Keywords:patternrecognition;neuralnetworks;covering;neuron;classificationalgorithm模式识别自被提出以来，随着计算机的发展和人已知形式和数目函数的组合入手来分析。在现有的前[1]工智能技术的兴起，其理论和方法在很多科学和技术馈神经网络算法基础上，宋宜斌等提出一种速率适领域中得到了广泛的应用，并推动了人工智能系统的应因子方法用于对多层前馈神经网络中BP算法进行[2]发展。模式识

7、别使用的方法包括贝叶斯决策、统计方改进；张海燕等提出了一种改进算法，该算法通过法、前馈神经网络等。前馈神经网络在求解模式识别对权值调节量的修改，提高了网络训练过程效率。这问题时，其训练方法是基于预先给定的评价函数的极些研究都是对网络算法进行一些调整和改进，但都没小化，用形式和数目预先确定的多个函数(即隐层单元有从研究样本数据本身的角度来提出改进的方法。张[3−6]的输出函数)的组合去逼近这一映射。这些方法都是从铃等从样本数据本身出发，提出了一种新的M-P收稿日期：2008−08−15；修回日期：2008−11−12基金项目：国家

8、自然科学基金资助项目(70671040)通信作者：刘承水(1964−)，男，山东曲阜人，博士，副教授，从事城市管理、客户管理等研究；电话：010-62320646；E-mail:stream@bcu.edu.cn,stream168@163.com738中南大学