一种SOM和GRNN结合的模式全自动分类新方法

摘要：

非监督学习算法的分类精度通常很难令人满意,而监督的学习算法需要人工选取训练样本,这有时很难得到,并且其分类精度直接依赖于所选取的学习样本.针对这些缺陷,提出一种非监督自组织神经网络(SOMNN)和监督的广义回归网络(GRNN)结合的全自动模式分类新方法.新方法首先通过SOMNN将原始数据进行自动聚类,再用所得的聚类中心以及中心邻近数据点训练GRNN,然后根据GRNN的分类结果重新计算聚类中心,再根据新的聚类中心和中心邻近点训练GRNN,如此反复,直至得到稳定的中心为止.Iris数据,Wine数据的实验结果都验证了新方法的可行性.

关键词：自组织神经网络、广义回归网络、模式自动分类、粒子群优化算法

所属期刊栏目：43

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金50427401

在线出版日期：2007-10-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：49-51