一种基于模糊划分和模糊加权的集成深度信念网络

• 作者: 张雄涛 王士同 胡文军
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 集成 深度信念网络 模糊划分 模糊加权 运行时间 模糊聚类算法 模糊理论
• 年，卷（期）: 2019,（5）
• 页码范围: 905-914
• 页数: 10页
• 分类号: O235|TP18
• 字数: 4893字
• 语种: 中文
• DOI: 10.11992/tis.201809018

摘要

针对DBN算法训练时间复杂度高,容易过拟合等问题,受模糊理论启发,提出了一种基于模糊划分和模糊加权的集成深度信念网络,即FE-DBN(ensemble deep belief network with fuzzy partition and fuzzy weighting),用于处理大样本数据的分类问题.通过模糊聚类算法FCM将训练数据划分为多个子集,在各个子集上并行训练不同结构的DBN,将每个分类器的结果进行模糊加权.在人工数据集、UCI数据集上的实验结果表明,提出的FE-DBN比DBN精度均有所提升,具有更快的运行时间.

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	胡文军	湖州师范学院信息工程学院	30	92	5.0	8.0
3	张雄涛	江南大学数字媒体学院	2	0	0.0	0.0