FRBF神经网络分类器设计新方法

摘要：

提出了一种结合模糊径向基函数网络和稀疏V-SVM的二分类器构建方法.FRBF初始网络中的RBF隶属度函数中心由随机抽取的样本确定,而RBF隶属度函数的宽度由样本各个属性的分布方差确定.根据FRBF网络输出为模糊基函数线性组合的特点,在后件参数学习中引入具有结构风险最小化和属性选择功能的稀疏V-SVM方法,在对输出层的参数进行学习的同时进行模糊基函数的约简.若干UCI标准数据集分类测试结果验证了该分类器的有效性.

关键词：模糊径向基函数网络、支撑向量机、约简、分类

所属期刊栏目：52

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61300149;2014年江苏省青蓝工程项目

在线出版日期：2016-07-19（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：157-161