基于输入扰动的分层混合模糊-神经网络敏感性分析

• 作者: 林红燕 邢海花 陈焕东
• 来源期刊: 软件
• 学科: 工学
• 关键词: 敏感性分析 输入扰动 分层混合模糊-神经网络(HHFNN) 变量重要性
• 年，卷（期）: 2013,（2）
• 所属期刊栏目: 理论计算机科学
• 页码范围: 52-55
• 页数: 4页
• 分类号: TP183
• 字数: 4022字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6970.2013.02.017

摘要

分层混合模糊-神经网络(HHFNN)能较好地处理离散和连续变量并存的高维数据,为了提高其解释能力和在数据挖掘应用中的说服力.本文针对输入中离散和连续数据并存的特点,提出一种基于输入扰动的分层混合模糊-神经网络敏感性分析方法,首先优化HHFNN模型,然后依次给测试数据集的各个输入变量添加高斯白噪声,计算模型加入噪声前后的均方误差(MSE).MSE差值越大说明相应的输入对模型输出影响越大,其重要性程度越高.为了验证本文提出方法的有效性,选用人工模拟数据集和UCI-Pyrimidines数据集进行实验,结果表明本文所提方法能够筛选出模型重要性程度高的属性,有效地约简了模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邢海花	海南师范大学信息科学与技术学院	22	45	4.0	5.0
3	陈焕东	海南师范大学信息科学与技术学院	47	224	8.0	13.0
4	林红燕	海南师范大学信息科学与技术学院	15	16	2.0	4.0