基于交叉覆盖算法的改进算法——核平移覆盖算法  

Improving Algorithms Based on Alternative Covering Algorithm:Kernel Moving Covering Algorithm

作　　者：赵姝[1] 张燕平[1] 张媛[1] 陈传明[1] 

机构地区：[1]安徽大学人工智能研究所,安徽合肥230039

出　　处：《微机发展》2004年第11期1-3,共3页Microcomputer Development

基　　金：国家自然科学基金资助项目(60175018);安徽省教育厅自然科学研究基金资助项目(2003kj007)

摘　　要：文中对前向神经网络交叉覆盖算法进行了分析,并在此基础上引入统计学习理论中的核函数,提出了两者结合的方法———核平移覆盖算法(简称KMCA)。KMCA通过Mercer核,将输入空间的样本映射到高维特征空间,然后先覆盖、后平移,以使覆盖领域局部最优,实现在核空间中分类识别。实验的结果证明了KMCA的可行性和有效性。Introduces the kernel function of statistical learning theory and presents an improving algorithm combined with the alternative covering design algorithm of multi-layer neural networks based on the analysis of kernel moving covering algorithm(KMCA).By using Mercer kernel functions,can map the data in the original space to a high-dimensional feature space in which covering first and then moving to make the local optimization and achieve classifying recognition in the kernel space.The results of experiments prove the feasibility and effectiveness of KMCA.

关 键 词：交叉覆盖 核函数 核覆盖 分类 核平移覆盖算法 前向神经网络 

分 类 号：TP301.6[自动化与计算机技术—计算机系统结构]