基于模糊聚类的学习样本选取方法

• 作者: 孙文德 李欣 李盼池 李荣花 许少华
• 来源期刊: 大庆石油学院学报
• 学科: 工学
• 关键词: 模糊聚类 神经网络 学习样本 模式识别
• 年，卷（期）: 2002,（3）
• 所属期刊栏目: 计算机科学
• 页码范围: 59-61
• 页数: 3页
• 分类号: TP183
• 字数: 2345字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-4107.2002.03.018

摘要

针对复杂环境下神经网络学习效率较低的问题,提出了一种按模糊聚类筛选样本模式类别的矫正方法. 先将模式大类细分为具有相近指标值的子类,以子类中心为典型学习样本,构成新的学习样本集,并以此样本集训练神经网络. 实际应用证明,该方法在样本分布存在多峰性和交遇性的情况下,可提高网络的学习效率.