基于LVQ神经网络的改进覆盖算法

摘要：

覆盖算法是一种具有高分类准确度和强泛化能力的构造性神经网络分类算法.针对其选择覆盖中心的随意性,结合竞争性神经网络方法对覆盖算法进行改进,在覆盖学习之前进行预学习,选择最佳覆盖球形中心,来优化覆盖.通过标准UCI测试数据实验的比较,从分类的准确性和覆盖个数方面进行对比,得到改进的覆盖算法有很好的效果.

关键词：分类、神经网络、覆盖算法、学习向量量化(LVQ)

所属期刊栏目：48

分类号：TP393(计算技术、计算机技术)

资助基金：安徽省自然科学资金项目KJ2010B219,KJ2012B183

在线出版日期：2012-07-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：165-169