10.3969/j.issn.0372-2112.2013.01.010
基于同源的同类事物连通本性的模式分类神经网络模型
根据同源的同类事物连通的本质特性,本文提出保同类事物正确连通通路的模式分类神经网络模型.该模型包括同源的同类事物样本连通连网排序技术、改进的前向掩蔽神经网络模型拓扑结构的连接权值排序学习算法和改进的增量学习算法.本模型解决了原来排序学习前向掩蔽神经网络模型和许多传统的模式识别方法存在的共同隐患——把同源的同类事物的个别局部连通通路割断,提高了分类能力.而且,该模型还能对新增样本进行快速增量学习,从而能够在较短的时间内提高该网络模型的分类推广能力,能够在大规模模式识别场合发挥其优势.实验结果表明基于同类事物连通本性的模式识别模型的正确识别率高.本文最大意义在于,用本文思想方法可以改进一些传统的模式识别方法.
模式识别、模式分类、神经网络、模型、算法
41
TP18(自动化基础理论)
国家自然科学基金61272077,60973048;江西省自然科学基金20114BAB201034
2013-05-23（万方平台首次上网日期，不代表论文的发表时间）
共4页
52-55
