基于最优分类面的神经网络模式分类方法

• 作者: 宫宁生 朱梧槚 纪习尚
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: BP神经网络 模式分类 最优分类面 泛化能力
• 年，卷（期）: 2006,（22）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 206-208,245
• 页数: 4页
• 分类号: TP183
• 字数: 4307字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2006.22.074

摘要

用一组训练样本对神经网络进行训练后,网络对训练阶段未曾见过的样本也能正确分类.但传统的神经网络模式分类方法泛化能力不十分理想,而且不稳定.对同一个分类任务,训练样本改变,分类器泛化能力的大小也会改变.该文提出一种基于最优分类面的神经网络模式分类方法.通过寻找并训练最优分类面,提高网络的泛化能力,增强泛化能力的稳定性.用异或问题和双螺旋线问题验证该新方法的有效性和泛化能力,取得了令人满意的结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱梧槚	南京航空航天大学信息科学与技术学院	40	363	8.0	18.0
2	宫宁生	南京航空航天大学信息科学与技术学院	54	473	12.0	20.0
6	纪习尚	南京航空航天大学信息科学与技术学院	1	7	1.0	1.0