鲁棒性的模糊聚类神经网络

被引:11
作者
邓赵红
王士同
机构
[1] 江南大学信息工程学院
[2] 江南大学信息工程学院 江苏无锡计算机软件新技术国家重点实验室(南京大学)
[3] 江苏南京中国科学院计算机科学重点实验室
[4] 北京
[5] 江苏无锡计算机软件新技术国家重点实验室(南京大学)
关键词
模糊聚类; 神经网络; ε-不敏感损失函数; 例外点; 鲁棒性;
D O I
暂无
中图分类号
TP183 [人工神经网络与计算];
学科分类号
081104 ; 0812 ; 0835 ; 1405 ;
摘要
针对模糊聚类神经网络FCNN(fuzzyclusteringneuralnetwork)对例外点(outliers)敏感的缺陷,通过引入Vapnik’sε-不敏感损失函数,重新构造网络的目标函数,并根据拉格朗日优化理论推导出新的鲁棒模糊聚类神经网络及其算法(robustfuzzyclusteringneuralnetworks,简称RFCNN).RFCNN有效地克服了FCNN对例外点敏感之缺点并且能得到合理的聚类中心.仿真实验结果表明,RFCNN较之于FCNN有更好的鲁棒性.
引用
收藏
页码:1415 / 1422
页数:8
相关论文
共 5 条
[1]   离群模糊核聚类算法 [J].
沈红斌 ;
王士同 ;
吴小俊 .
软件学报, 2004, (07) :1021-1029
[2]   基于微分容量控制的学习机 [J].
张莉 ;
周伟达 ;
焦李成 .
电子学报, 2003, (10) :1526-1531
[3]   一种基于核函数的非线性感知器算法 [J].
许建华 ;
张学工 ;
李衍达 .
计算机学报, 2002, (07) :689-695
[4]   模糊聚类神经网络的非对称学习算法 [J].
何丕廉 ;
侯越先 .
计算机研究与发展, 2001, (03) :296-301
[5]  
模糊系统、模糊神经网络及应用程序设计.[M].王士同编著;.上海科学技术文献出版社.1998,