基于最近邻规则的神经网络训练样本选择方法

被引：35

作者：

郝红卫

蒋蓉蓉

机构：

[1] 北京科技大学信息工程学院

[2] 北京科技大学信息工程学院北京

来源：

自动化学报 | 2007年 / 12期

关键词：

神经网络; 样本选择; 最近邻规则; 手写字符识别;

D O I：

10.16383/j.aas.2007.12.018

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

摘要：

训练集中通常含有大量相似的样本,会增加网络的训练时间并影响学习效果.针对这一问题,本文将最近邻法(Nearest neighbor,NN)简单快捷和神经网络高精度的特点相结合,提出了一种基于最近邻规则的神经网络训练样本选择方法.该方法考虑到训练样本对于神经网络性能的重要影响,利用改进的最近邻规则选择最具有代表性的样本作为神经网络的训练集.实验结果表明,所提出的方法能够有效去除训练集中的冗余信息,以少量的样本获得更高的识别率,减少网络的训练时间,增强网络的泛化能力.

引用

页码：1247 / 1251

页数：5