-
题名模糊子空间聚类的径向基函数神经网络建模
被引量：4
- 1
-
-
作者
张江滨
邓赵红
王士同
-
机构
江南大学数字媒体学院
-
出处
《计算机科学与探索》
CSCD
北大核心
2015年第12期1513-1522,共10页
-
基金
国家自然科学基金
教育部新世纪优秀人才支持计划~~
-
文摘
传统径向基函数(radial basis function,RBF)神经网络模型在处理噪声环境下的数据时,会因缺乏去除噪音特征的机制而使得受训模型的泛化性能下降。针对此缺陷,根据模糊子空间聚类(fuzzy subspace clustering,FSC)算法的子空间特性,为RBF神经网络添加特征抽取机制,提出了一种模糊子空间聚类RBF神经网络建模新方法(RBF neural network modeling using fuzzy subspace clustering,FSC-RBF-NN)。与传统RBF神经网络建模方法相比,FSC-RBF-NN方法可根据FSC的子空间特性和特征抽取机制,为不同的隐含层节点选取不同的特征子空间。当训练数据中含有大量噪音特征时,FSC-RBF-NN方法可通过特征抽取机制去除噪音特征,只保留对建模有积极作用的特征,使模型能保持良好的泛化性能。模拟和真实数据集上的实验结果亦验证了FSC-RBF-NN方法在噪声环境下具有更好的鲁棒性。
-
关键词
鲁棒性
径向基函数(RBF)
RBF神经网络
模糊子空间聚类
Ε-不敏感损失函数
-
Keywords
robustness
radial basis function（RBF）
RBF neural network
fuzzy subspace clustering（FSC）
ε-insensitive loss function
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
