一种基于聚类的交叉覆盖算法  

A Kind of Alternative Covering Algorithm Based on Clustering

作　　者：吴涛[1,2,3] 尚丽[1,2] 陈黎伟[1,2] 

机构地区：[1]安徽大学智能计算与信号处理教育部重点实验室,安徽合肥230039 [2]安徽大学数学与计算科学学院,安徽合肥230039 [3]南京大学计算机软件新技术国家重点实验室,江苏南京210093

出　　处：《计算机技术与发展》2008年第11期113-116,共4页Computer Technology and Development

基　　金：中国博士后基金面上项目(20070411028);973计划(2004CB318108);国家自然科学基金(60675031);安徽省高等学校省级自然科学研究项目(2006KJ244B);安徽大学学术创新团队和安徽大学人才队伍建设经费资助项目

摘　　要：与传统的前向神经网络相比,覆盖算法具有运行速度快、精度高的特点,但覆盖算法的初始领域中心是随机选取的。实验表明网络性能与学习顺序有密切的关系。在前向神经网络交叉覆盖算法基础上提出了一种新型改进的交叉覆盖算法——基于聚类的交叉覆盖算法。该方法是一种根据聚类结果确定学习顺序的方法。实例表明这种改进的算法是确定性学习方法,可以有效减少覆盖数量,提高交叉覆盖算法的测试速度,减少拒识样本数,提高识别的精度。Compared with traditional algorithm of forward neural network （FNN）,covering algorithm （CA） possesses some advantages, such as faster speed and higher precision. But the original centers of sphere domains are selected at random. Experiments show that the performance of network is related with the order of study closely. A new kind of algorithm named CABC, which combines covering algo- rithm and clustering is put forward. Instances show that this kind of algorithm is deterministic learning algorithm. It can reduce the number of sphere domains avail,ably, low down testing time, reduce the number of rejected samples,and improve the recognition precision.

关 键 词：交叉覆盖算法 聚类 模式 初始中心 

分 类 号：TP301.6[自动化与计算机技术—计算机系统结构]