模式分类神经计算方法地研究.pdf

北京交通大学博士论文 高分类识别率。实验验证了算法的正确性和有效性。 4．提出了前馈神经网络分类器选择性集成方法csⅫ姬。个体网络为经EM 算法训练生成的多层前馈网络并以概率向量作为输出，以个体网络输出与标准 输出的差向量之间的相关系数作为各个网络之间差异性的度量标准，按照这个 标准选择组成集成的神经网络个体，提高了网络个体之间的差异性。分析和实 验表明该方法可以提高网络的泛化性能。 关键词：神经计算，模式分类，独立分量分析，期望最大化，神经网络集成 Il Absl豫ct Abstract isthefirstessen“alfor Classi6cation whenitdeals step anyintelIigencesystem a dealof with which great oVerwhelmingcomplica地data，矗om meaningful be the infbmlationmust the hiddenruleorstructt玎e exn+acted．Analyzingdata，螽nding the thedataintochssare也emaintasksof between classes，grouping pattem elassi螽cation．IⅪelo div料si蠡od is lk∞mpliea艳da攮勰do葫oc毛主ves，itvefy击燕托lt finda methodtosolVeme to universal class洒cation pattem pmblem．Howevob 堇nelhod e跹 net疆al 如r elass主蠡c蠢ionbean eo翔搿韭atio矗 pa撞ern i搬po娃a|】t oftraditionalstatisticalclassi矗cation development pattem problem， Ne黼al me如ode嘶ches也e modelsand oflhe computation al鬟oritms 缸锰d城onal sinceithas meritssuchas pat童e黼classi最cationmaIly leamingpower， a11ds0On．Neu糟l methodalsohas self-o培anization，nonlinearmapping cOmputation beeomoanew class{