海南省自然科学基金(612123)
- 作品数：3 被引量：5H指数：2
- 相关作者：邢海花余先川林红燕陈焕东王根霞更多>>
- 相关机构：北京师范大学海南师范大学更多>>
- 发文基金：国家自然科学基金海南省自然科学基金北京市自然科学基金更多>>
- 相关领域：自动化与计算机技术天文地球更多>>
- 神经网络敏感性分析及其在遥感影像分类中的应用被引量：2
- 2013年
- 针对基于连接权的神经网络敏感性分析方法中求取敏感性系数的不稳定性,提出一种优化连接权的神经网络敏感性分析方法。首先采用遗传算法根据误差最小化原则对神经网络进行优化,在优化的神经网络模型上进行基于连接权的敏感性分析。以1个数值模拟实例和华盛顿广场地区的遥感图像地物分类为例,验证所提方法的有效性。实验结果表明,所提方法求取输入变量的敏感性系数是稳定有效的,能有效筛选出遥感图像中对分类贡献较大的特征波段,达到降维的同时提高分类精度。
- 邢海花余先川
- 关键词：人工神经网络遗传算法遥感影像分类
- 基于输入扰动的分层混合模糊-神经网络敏感性分析被引量：3
- 2013年
- 分层混合模糊-神经网络(HHFNN)能较好地处理离散和连续变量并存的高维数据,为了提高其解释能力和在数据挖掘应用中的说服力。本文针对输入中离散和连续数据并存的特点,提出一种基于输入扰动的分层混合模糊-神经网络敏感性分析方法,首先优化HHFNN模型,然后依次给测试数据集的各个输入变量添加高斯白噪声,计算模型加入噪声前后的均方误差(MSE)。MSE差值越大说明相应的输入对模型输出影响越大,其重要性程度越高。为了验证本文提出方法的有效性,选用人工模拟数据集和UCI-Pyrimidines数据集进行实验,结果表明本文所提方法能够筛选出模型重要性程度高的属性,有效地约简了模型。
- 邢海花陈焕东林红燕
- Takagi-Sugeno型分层混合模糊-神经网络训练算法研究
- 2013年
- 为寻求适合离散和连续变量并存数据特点的最佳训练算法,本文对基于三角波,梯形,Gaussian隶属函数的Takagi-Sugeno型分层混合模糊-神经网络训练算法进行综合比较研究,使用梯度下降法详细推导了各个参数的迭代规则,并给出了完整的训练算法和详细的参数调整过程.以Pyrimidines和Heart-UCI为数据分别进行函数逼近与数据分类实验,并与经典的BP算法比较.实验结果表明Takagi-Sugeno型分层混合模糊-神经网络在高维且离散与连续变量混合的函数逼近和分类上比BP神经网络更具优势,而基于Gaussian隶属函数的训练算法函数逼近精度比基于三角波和梯形隶属函数的训练算法精度更高.
- 邢海花余先川胡丹王根霞
- 关键词：神经网络模糊系统
