[发明专利]一种核整体学习划分的优化神经网络分类器的方法在审
| 申请号： | 201910049436.2 | 申请日： | 2019-01-18 |
| 公开（公告）号： | CN109784409A | 公开（公告）日： | 2019-05-21 |
| 发明（设计）人： | 闻辉;黄金火;严涛;徐航;陈德礼;车艳;李同彬;林元模 | 申请（专利权）人： | 莆田学院 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 成都顶峰专利事务所(普通合伙) 51224 | 代理人： | 陈夏 |
| 地址： | 351100 福建省莆*** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种核整体学习划分的优化神经网络分类器的方法，包括以下步骤：(1)建立RBF核完成对原始训练样本空间的优化覆盖，并生成新的RBF核个数及参数；(2)以每个RBF核的中心及核宽为参数，在各RBF核所覆盖的有效区域内建立与原始样本相近似的概率分布来生成新的样本数据；(3)判断新生成的样本数据是否保留，最终构成一个新的模式矢量子集；(4)将原始样本和最终保留的所有模式矢量一起构成新的样本集合，以训练输出分类器权值参数。本发明改善了当样本集规模过小或样本空间维数过高导致的学习算法失效问题；从概率上而言，核整体划分的方式可以使得学习后的分类器边界更加远离原来的样本，使得分类器的鲁棒性和泛化能力得到加强。 | ||
| 搜索关键词： | 分类器 优化神经网络 模式矢量 样本数据 原始样本 整体学习 原始训练样本 输出分类器 概率分布 权值参数 失效问题 学习算法 样本集合 样本空间 有效区域 鲁棒性 样本集 保留 覆盖 维数 子集 样本 概率 优化 学习 | ||
【主权项】：
1.一种核整体学习划分的优化神经网络分类器的方法，其特征在于：包括以下步骤：(1)建立RBF核完成对原始训练样本空间的优化覆盖，并生成新的RBF核个数及参数；(2)以每个RBF核的中心及核宽为参数，在各RBF核所覆盖的有效区域内建立与原始样本相近似的概率分布来生成新的样本数据；(3)判断新生成的样本数据是否保留，最终构成一个新的模式矢量子集；(4)将原始样本和最终保留的所有模式矢量一起构成新的样本集合，以训练输出分类器权值参数。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于莆田学院，未经莆田学院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910049436.2/，转载请声明来源钻瓜专利网。
