摘要
提出一种新的PNN有监督学习算法:用学习矢量量化对各类训练样本进行聚类,对平滑参数σ和距离各类模式中心最近的聚类点构造区域,并采用遗传算法在构造的区域内训练网络,实验表明:该算法在分类效果上优于其它PNN学习算法。
A new supervised learning algorithm for the PNN is developed, the learning vector quantization is employed to group training samples and the Genetic algorithms （GA＇s） is used for training the network＇s smoothing parameters and hidden central vector for determining hidden neurons. Simulations results show that, the advantage of our method in the classification accuracy is over other unsupervised learning algorithms for PNN.
出处
《模糊系统与数学》
CSCD
北大核心
2006年第6期83-87,共5页
Fuzzy Systems and Mathematics
基金
国家自然科学基金资助项目(60375023)
国家973计划项目(2005CB321800)
