首页> 中国专利> 一种核整体学习划分的优化神经网络分类器的方法

一种核整体学习划分的优化神经网络分类器的方法

摘要

本发明公开了一种核整体学习划分的优化神经网络分类器的方法,包括以下步骤:(1)建立RBF核完成对原始训练样本空间的优化覆盖,并生成新的RBF核个数及参数;(2)以每个RBF核的中心及核宽为参数,在各RBF核所覆盖的有效区域内建立与原始样本相近似的概率分布来生成新的样本数据;(3)判断新生成的样本数据是否保留,最终构成一个新的模式矢量子集;(4)将原始样本和最终保留的所有模式矢量一起构成新的样本集合,以训练输出分类器权值参数。本发明改善了当样本集规模过小或样本空间维数过高导致的学习算法失效问题;从概率上而言,核整体划分的方式可以使得学习后的分类器边界更加远离原来的样本,使得分类器的鲁棒性和泛化能力得到加强。

著录项

  • 公开/公告号CN109784409A

    专利类型发明专利

  • 公开/公告日2019-05-21

    原文格式PDF

  • 申请/专利权人 莆田学院;

    申请/专利号CN201910049436.2

  • 申请日2019-01-18

  • 分类号

  • 代理机构成都顶峰专利事务所(普通合伙);

  • 代理人陈夏

  • 地址 351100 福建省莆田市城厢区学园中街1133号莆田学院

  • 入库时间 2024-02-19 10:51:16

法律信息

  • 法律状态公告日

    法律状态信息

    法律状态

  • 2019-06-14

    实质审查的生效 IPC(主分类):G06K9/62 申请日:20190118

    实质审查的生效

  • 2019-05-21

    公开

    公开

相似文献

  • 专利
  • 中文文献
  • 外文文献
获取专利

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号