模糊子空间聚类的径向基函数神经网络建模

• 作者: 张江滨 王士同 邓赵红
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 鲁棒性 径向基函数(RBF) RBF神经网络 模糊子空间聚类 ε-不敏感损失函数
• 年，卷（期）: 2015,（12）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 1513-1522
• 页数: 10页
• 分类号: TP391
• 字数: 6873字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1504057

摘要

传统径向基函数(radial basis function,RBF)神经网络模型在处理噪声环境下的数据时,会因缺乏去除噪音特征的机制而使得受训模型的泛化性能下降.针对此缺陷,根据模糊子空间聚类(fuzzy subspace clus-tering,FSC)算法的子空间特性,为RBF神经网络添加特征抽取机制,提出了一种模糊子空间聚类RBF神经网络建模新方法(RBF neural network modeling using fuzzy subspace clustering,FSC-RBF-NN).与传统RBF神经网络建模方法相比,FSC-RBF-NN方法可根据FSC的子空间特性和特征抽取机制,为不同的隐含层节点选取不同的特征子空间.当训练数据中含有大量噪音特征时,FSC-RBF-NN方法可通过特征抽取机制去除噪音特征,只保留对建模有积极作用的特征,使模型能保持良好的泛化性能.模拟和真实数据集上的实验结果亦验证了FSC-RBF-NN方法在噪声环境下具有更好的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王士同	江南大学数字媒体学院	528	3424	23.0	37.0
2	邓赵红	江南大学数字媒体学院	86	764	11.0	26.0
3	张江滨	江南大学数字媒体学院	3	16	3.0	3.0