基于模糊聚类的学习样本选取方法

被引：3

作者：

李盼池

李欣

李荣花

许少华

孙文德

机构：

[1] 大庆石油学院计算机科学与工程学院

[2] 大庆油田有限责任公司第三采油厂黑龙江安达

[3] 黑龙江安达

[4] 黑龙江大庆

来源：

基金：

黑龙江省自然科学基金;

关键词：

模糊聚类; 神经网络; 学习样本; 模式识别;

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：

针对复杂环境下神经网络学习效率较低的问题 ,提出了一种按模糊聚类筛选样本模式类别的矫正方法 .先将模式大类细分为具有相近指标值的子类 ,以子类中心为典型学习样本 ,构成新的学习样本集 ,并以此样本集训练神经网络 .实际应用证明 ,该方法在样本分布存在多峰性和交遇性的情况下 ,可提高网络的学习效率

引用

页码：59 / 61+119 +119

页数：4