模式识别与人工智能
模式識彆與人工智能
모식식별여인공지능
Moshi Shibie yu Rengong Zhineng
2006年
6期
739-745
,共7页
桑农%谢衍涛%高如新%张天序
桑農%謝衍濤%高如新%張天序
상농%사연도%고여신%장천서
神经模糊网络%隶属度函数%网络剪枝%特征选择
神經模糊網絡%隸屬度函數%網絡剪枝%特徵選擇
신경모호망락%대속도함수%망락전지%특정선택
基于人工神经网络的特征选择算法一般可以看作是剪枝算法的一个特例:通过剪枝输入节点,计算网络输出对该输入节点对应特征的敏感性.但这些方法往往要求首先对数据做归一化的工作,这可能会改变原数据具备的对分类很重要的某些性质.神经模糊网络是具有自学习能力的模糊推理系统,本文将其与基于隶属度空间的剪枝技术结合起来提出新的特征选择算法.其特点是隶属度函数是自适应学习的,且学习过程在特征选择之前完成.分别对自然数据和人工数据进行实验,并与其它方法相比,结果证明该算法是有效的.
基于人工神經網絡的特徵選擇算法一般可以看作是剪枝算法的一箇特例:通過剪枝輸入節點,計算網絡輸齣對該輸入節點對應特徵的敏感性.但這些方法往往要求首先對數據做歸一化的工作,這可能會改變原數據具備的對分類很重要的某些性質.神經模糊網絡是具有自學習能力的模糊推理繫統,本文將其與基于隸屬度空間的剪枝技術結閤起來提齣新的特徵選擇算法.其特點是隸屬度函數是自適應學習的,且學習過程在特徵選擇之前完成.分彆對自然數據和人工數據進行實驗,併與其它方法相比,結果證明該算法是有效的.
기우인공신경망락적특정선택산법일반가이간작시전지산법적일개특례:통과전지수입절점,계산망락수출대해수입절점대응특정적민감성.단저사방법왕왕요구수선대수거주귀일화적공작,저가능회개변원수거구비적대분류흔중요적모사성질.신경모호망락시구유자학습능력적모호추리계통,본문장기여기우대속도공간적전지기술결합기래제출신적특정선택산법.기특점시대속도함수시자괄응학습적,차학습과정재특정선택지전완성.분별대자연수거화인공수거진행실험,병여기타방법상비,결과증명해산법시유효적.
