一种神经网络分类器样本数据选择方法

• 作者: 周林 周玉 朱安福 钱旭
• 来源期刊: 华中科技大学学报：自然科学版
• 学科: 工学
• 关键词: 神经网络 分类器 数据选择 阴影集 核数据 边界数据
• 年，卷（期）: 2012,（6）
• 所属期刊栏目: 控制工程
• 页码范围: 39-43
• 分类号: TP183
• 语种: 中文

摘要

为了提高神经网络分类器的性能，提出一种基于阴影集的训练样本数据选择方法．在阴影集的基础上提出核数据和边界数据的概念．首先通过模糊c均值聚类（FCM）获取样本数据的最优模糊矩阵；然后诱导出相应的阴影集；样本数据结合阴影集构造核数据和边界数据；最后在核数据和边界数据中进行数据选择．利用该方法，结合Iris数据集分别对BP网络、LVQ网络和可拓神经网络（ENN）等分类器进行实验研究．结果表明：该方法能够保留典型的样本，减少训练样本数据的数量；利用该方法所选择的数据对神经网络分类器进行训练，保证了分类器的泛化能力，节约了训练时间，有效提高分类器的性能．

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钱旭	中国矿业大学北京机电与信息工程学院	64	524	13.0	21.0
2	周林	清华大学信息技术研究院	7	84	5.0	7.0
3	朱安福	华北水利水电学院电力学院	9	35	3.0	5.0
4	周玉		1	21	1.0	1.0