手写数字识别中组合式神经网络的构建方法

摘要：

将聚类技术和遗传算法相结合, 提出一种基于相似度传播算法和遗传算法的神经网络集成方法应用于手写数字识别问题. 先分别利用主成分分析和Fisher线性判别分析对数据集进行特征提取, 得到两类特征数据集, 再利用Bagging方法分别为这两类特征数据集训练简单的BP神经网络, 然后采用相似度传播算法对这些BP神经网络进行聚类, 找到作为类簇中心的网络(中心网络), 最后利用遗传算法对所有中心网络的权值进行训练, 将中心网络进行加权线性集成作为最终分类器. 在标准手写数字数据集MNIST上进行测试的实验结果表明, 该方法的识别率优于单个神经网络的识别率, 并兼顾了分类效率.

关键词：人工神经网络、手写数字识别、神经网络集成

所属期刊栏目：47

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金60673099,60873146;国家高技术研究发展计划863项目基金2007AA04Z114;吉林省科技发展计划项目基金20080168

在线出版日期：2010-01-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1211-1216