鲁棒性的模糊聚类神经网络

• 作者: 王士同 邓赵红
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 模糊聚类 神经网络 ε-不敏感损失函数 例外点 鲁棒性
• 年，卷（期）: 2005,（8）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 1415-1422
• 页数: 8页
• 分类号: TP183
• 字数: 4695字
• 语种: 中文

摘要

针对模糊聚类神经网络FCNN(fuzzy clustering neural network)对例外点(outliers)敏感的缺陷,通过引入Vapnik's ε-不敏感损失函数,重新构造网络的目标函数,并根据拉格朗日优化理论推导出新的鲁棒模糊聚类神经网络及其算法(robust fuzzy clustering neural networks,简称RFCNN).RFCNN有效地克服了FCNN对例外点敏感之缺点并且能得到合理的聚类中心.仿真实验结果表明,RFCNN较之于FCNN有更好的鲁棒性.