基于Bayes理论和RBF结构的分类器  

Classifier Based on Bayes Theory and RBF Structure

作　　者：聂树林[1] 姚仰新[1] 

机构地区：[1]华南理工大学理学院数学系,广州510640

出　　处：《科学技术与工程》2009年第22期6669-6672,共4页Science Technology and Engineering

摘　　要：基于RBF的网络结构和贝叶斯思想,通过改变RBF的隐层输出和权值训练算法,使得网络输出为K个描述样本属于K个类中每个类的概率的值,构造出一种不确定分类器,通过比较K个值的大小从而确定样本的分类。试验结果表明这种分类器比RBF和NBC(朴素贝叶斯分类器)的准确率要高。Based on RBF structure and Bayes theory,change the output of RBF connotative layer and weightiness trainning,make the net output k values which show the probability of sample belong to the k class,construct a uncertain classifier.It can class through comparing the k values.The experiment shows that B-RBF is better than RBF and NBC.

关 键 词：分类 径向基网络 贝叶斯 朴素贝叶斯分类器 B-RBF. 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]