一种构造性的概率决策自组织分类器

• 作者: 吴涛 张燕平 张铃
• 来源期刊: 微机发展
• 学科: 工学
• 关键词: 神经网络 覆盖算法 概率决策自组织分类器
• 年，卷（期）: 2003,（7）
• 所属期刊栏目: 人工智能与算法研究
• 页码范围: 85-87,90
• 页数: 4页
• 分类号: TP183
• 字数: 2908字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2003.07.033

摘要

从输入的原始信息得到特征通常需要复杂的非线性运算,直接找到这种算法是很困难的.而M-P神经元模型的几何意义指出:构造一个网络,使对给定的样本集能进行符合要求的分类,等价于求出一组领域,对给定样本集中的点,能按分类的要求用领域覆盖将它们分隔开来.但是,在实际的大规模应用中,如时间序列预测的典型问题--股票预测,其给定的样本集中可能含有异动点,会引起错误的学习结果,因此,有必要引入自组织和概率决策化方法,提高分类的正确性,同时还可降低神经网络的结构规模,提高识别的速度.作者给出一种构造性的概率决策自组织分类器SPDC(A Selfadjusting and Probabilistic Decision-making Classifier),重点讨论了在覆盖算法中引入自组织和概率决策化方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴涛	安徽大学人工智能研究所	83	794	14.0	25.0
2	张燕平	安徽大学计算智能与信号处理实验室	148	1556	21.0	32.0
6	张铃	安徽大学计算智能与信号处理实验室	85	2554	22.0	49.0