%0 Journal Article
%T 粗糙RBF神经网络集成的模式识别方法
%A 肖迪
%A 胡寿松
%J 模式识别与人工智能
%P 609-614
%D 2008
%X 提出一种定义属性重要度的方法,并根据属性的重要度测量元素之间的距离,以确定训练集的聚类情况.由于聚类的不确定性,提出利用粗糙集方法确定精确的下、上近似集合,用其聚类中心作为RBF神经网络的径向基中心,设计两个基函数中心不同的RBF神经网络.最后在经验风险最小化原则下,确定两个网络的每个输出值的置信度,得到神经网络集成的最终输出.网络的训练采用递推最小二乘方法,通过两个模式识别仿真实例验证该方法的有效性和正确性.
%K 神经网络集成
%K 径向基函数(RBF)神经网络
%K 粗糙集
%K 广义重要度
%K 模式识别
%U http://manu12.magtech.com.cn/Jweb_prai/CN/abstract/abstract10238.shtml