高层次人才科研启动基金(201117)
- 作品数：2 被引量：21H指数：2
- 相关作者：周玉钱旭周林朱安福王自强更多>>
- 相关机构：华北水利水电学院中国矿业大学（北京）清华大学更多>>
- 发文基金：教育部科学技术研究重点项目高层次人才科研启动基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 一种神经网络分类器样本数据选择方法被引量：18
- 2012年
- 为了提高神经网络分类器的性能,提出一种基于阴影集的训练样本数据选择方法.在阴影集的基础上提出核数据和边界数据的概念.首先通过模糊C均值聚类(FCM)获取样本数据的最优模糊矩阵;然后诱导出相应的阴影集;样本数据结合阴影集构造核数据和边界数据;最后在核数据和边界数据中进行数据选择.利用该方法,结合Iris数据集分别对BP网络、LVQ网络和可拓神经网络(ENN)等分类器进行实验研究.结果表明:该方法能够保留典型的样本,减少训练样本数据的数量;利用该方法所选择的数据对神经网络分类器进行训练,保证了分类器的泛化能力,节约了训练时间,有效提高分类器的性能.
- 周玉朱安福周林钱旭
- 关键词：神经网络分类器数据选择核数据
- 基于阴影集数据选择的可拓神经网络性能改进被引量：4
- 2013年
- 为了改进可拓神经网络的性能,提出一种基于阴影集的数据选择方法.通过该方法获取用于训练可拓神经网络的训练样本,进而改进可拓神经网络的性能.针对可拓神经网络的特点,选择核数据和边界数据作为可拓神经网络的训练样本;利用基于阴影集的数据选择方法,可以自动获取核数据和边界数据.实验结果表明,与传统可拓神经网络相比,改进的可拓神经网络不仅节约了训练时间,而且网络的泛化能力和分类识别准确度得到了有效提高.
- 周玉钱旭王自强
- 关键词：可拓神经网络数据选择泛化能力
