计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2013年
10期
118-120
,共3页
后向传播%神经网络%核聚类%说话人识别
後嚮傳播%神經網絡%覈聚類%說話人識彆
후향전파%신경망락%핵취류%설화인식별
back propagation%neural network%kernel clustering%speaker recognition
后向传播神经网络算法是一种经典的分类算法,但是通常该算法训练时间较长.针对这种不足,提出了一种基于核聚类的快速后向传播算法.利用核聚类将原始样本划分为多个簇,对每一个簇计算簇中心样本,利用所有的簇中心样本作为新训练集进行神经网络学习.在UCI标准数据集和说话人识别数据集上的仿真实验,充分说明了算法较传统后向传播算法具有明显的速度优势.
後嚮傳播神經網絡算法是一種經典的分類算法,但是通常該算法訓練時間較長.針對這種不足,提齣瞭一種基于覈聚類的快速後嚮傳播算法.利用覈聚類將原始樣本劃分為多箇簇,對每一箇簇計算簇中心樣本,利用所有的簇中心樣本作為新訓練集進行神經網絡學習.在UCI標準數據集和說話人識彆數據集上的倣真實驗,充分說明瞭算法較傳統後嚮傳播算法具有明顯的速度優勢.
후향전파신경망락산법시일충경전적분류산법,단시통상해산법훈련시간교장.침대저충불족,제출료일충기우핵취류적쾌속후향전파산법.이용핵취류장원시양본화분위다개족,대매일개족계산족중심양본,이용소유적족중심양본작위신훈련집진행신경망락학습.재UCI표준수거집화설화인식별수거집상적방진실험,충분설명료산법교전통후향전파산법구유명현적속도우세.
The back propagation algorithm is a classic classification algorithm, but it is usually with a long training time. For this deficiency, this paper presents a fast back propagation algorithm based on kernel clustering. The algorithm uses kernel clustering to divide the original samples into multiple clusters, then computes the sample’s center of each cluster, and uses all the center samples as the new training set and trains a neural network classifier. Simulation experiments on UCI standard data set and speaker recogni-tion data set show that the proposed algorithm has obvious advantages compared with the traditional back propagation algorithm.
