陈俊
- 作品数：3 被引量：2H指数：1
- 供职机构：南京工业大学电子与信息工程学院更多>>
- 相关领域：自动化与计算机技术更多>>
- 初始权值优化技术在SOM网络中的应用被引量：1
- 2008年
- SOM网络是一种无导师学习方法,被广泛应用于各个领域。网络的性能受很多因素影响,如样本的选择、网络结构、初始权值的选定等。针对网络初始权值选取的不确定性问题,提出了覆盖权值初始化方法来优化SOM网络的初始权值:该方法从样本入手,并通过"覆盖"方法得出初始权值,仿真实验结果证明了此方法能有效的提高网络的识别率和稳定性。
- 彭雅琴陈俊宫宁生
- 关键词：权值优化SOM网络归一化方法
- 基于样本检测的SOM网络模型与应用
- 2009年
- 自组织映射算法是一种无导师学习方法,具有良好的自组织、可视化等特性,现已广泛应用于各个领域。其最重要的特点就是能够自动寻找样本中的内在规律和属性,从而自适应的改变网络的参数。在实际应用中,网络的识别率会受样本影响,为此提出了一种基于SOM网络的新型网络结构:带样本检测的SOM网络,使其可以实现样本的检测,优化样本输入,从而提高网络的识别率。
- 彭雅琴宫宁生陈俊
- 关键词：SOM网络神经网络
- 基于遗传算法的核函数可调SOM方法被引量：1
- 2009年
- 自组织映射(SOM)算法是一种无导师学习方法,当学习样本分布呈多态形式,具有高度非线性时,该算法显示出较差的鲁棒性和可靠性。基于核函数的学习是通过核函数实现一个从低维输入空间到高维特征空间的映射,从而使输入空间中复杂的样本结构在特征空间中变得简单。但是针对不同的数据集,各种核函数的分类效果不同,所以核函数选择是问题依赖的。采用核函数可调的方法,基于SOM网络结构,通过学习,采用遗传算法(GA)调整系数,能得到比单个核函数分类效果更好的结果。
- 陈俊彭雅琴宫宁生
- 关键词：自组织映射核函数可调遗传算法
