[1]吴 垒,于哲舟.基于概率神经网络的在线分类器[J].计算机技术与发展,2019,29(12):14-20.[doi:10. 3969 / j. issn. 1673-629X. 2019. 12. 003]
　WU Lei,YU Zhe-zhou.An Improved Classifier Based on Probabilistic Neural Network[J].,2019,29(12):14-20.[doi:10. 3969 / j. issn. 1673-629X. 2019. 12. 003]
点击复制

基于概率神经网络的在线分类器()
分享到：

《计算机技术与发展》[ISSN:1006-6977/CN:61-1281/TN]

卷:
29
期数:
2019年12期
页码:
14-20
栏目:
智能、算法、系统工程
出版日期:
2019-12-10

文章信息/Info

Title:
An Improved Classifier Based on Probabilistic Neural Network
文章编号:
1673-629X(2019)12-0014-07
作者:
吴 垒; 于哲舟
吉林大学 计算机科学与技术学院,吉林 长春 130012
Author(s):
WU Lei; YU Zhe-zhou
School of Computer Science and Technology,Jilin University,Changchun 130012,China
关键词:
神经网络; 分类器; 概率神经网络; 在线学习; 核函数估计
Keywords:
neural network; classifier; probabilistic neural network; online learning; kernel function estimation
分类号:
TP301
DOI:
10. 3969 / j. issn. 1673-629X. 2019. 12. 003
摘要:
由 Specht 提出的概率神经网络(PNN)由于训练效率和统计基础而被广泛应用于各个领域。 但是由于在 PNN 中使用 Parzen 窗口估计概率密度函数(PDF),整个训练数据会存储在模式层中,这无疑增加了存储负担。 而且,仅使用一个全局平滑参数的原始 PNN 不能准确地表示复杂数据集中的局部信息。 在对原始 PNN 进行了研究后,文中提出了一种新在线学习概率神经网络(OL-PNN)。 在线学习概率神经网络应用随机梯度上升方法实时更新参数,并采用高斯聚类将训练数据分类为由混合高斯模型表示的若干簇,其中高斯核函数中的每个维度都有各自的平滑参数和中心参数,从而可以减弱由于数据的不均匀分布引起的失真。 此外,为了提高学习和表达能力,补偿由聚类算法引起的偏差,神经网络模型添加了一个额外的线性特征层。 实验结果表明,该模型明显优于原始 PNN,并且与很多流行分类器相当。
Abstract:
Probabilistic neural network (PNN) proposed by Specht has been widely used in various fields due to its training efficiency and statistical basis. However,since the Parzen window is used to estimate the probability density function (PDF),the entire training data will be stored in the pattern layer,which undoubtedly increases the storage burden. Moreover,the original PNN that uses only one global smoothing parameter cannot accurately represent local information in complex datasets. After researching the original PNN,we propose a new online learning probabilistic neural network (OL-PNN) which applies the stochastic gradient ascending method to update parameters in real time,and uses Gaussian clustering to classify the training data into several clusters represented by the mixed Gaussian model. Each dimension in the Gaussian kernel function has its own smoothing parameters and center which can reduce distortion due to uneven distribution of data. In addition,in order to improve learning and expression ability and compensate for the bias caused by the clustering algorithm,the neural network model adds an additional feature layer. Experiment shows that this model is significantly better than the original PNN and comparable to many popular classifiers.

相似文献/References:

[1]路川 胡欣杰.区域航空市场航线客流量预测研究[J].计算机技术与发展,2010,(04):84.
　LU Chuan,HU Xin-jie.Analysis of Regional Airline Passenger Forecast Title[J].,2010,(12):84.
[2]高峥 陈蜀宇 李国勇.混合入侵检测系统的研究[J].计算机技术与发展,2010,(06):148.
　GAO Zheng,CHEN Shu-yu,LI Guo-yong.Research of a Hybrid Intrusion Detection System[J].,2010,(12):148.
[3]包力伟 周俊.铸锻企业生产质量控制系统的开发[J].计算机技术与发展,2008,(04):174.
　BAO Li-wei,ZHOU Jun.Development of a Manufacture Quality Control System in Casting Company[J].,2008,(12):174.
[4]李志俊 程家兴 金奎 饶玉佳.基于样本期望训练数的BP神经网络改进研究[J].计算机技术与发展,2009,(05):103.
　LI Zhi-jun,CHENG Jia-xing,JIN Kui,et al.BP Algorithm Improvement Based on Sample Expected Training Number[J].,2009,(12):103.
[5]李龙澍 葛瑞峰 王慧萍.基于神经网络的批强化学习在Robocup中的应用[J].计算机技术与发展,2009,(07):98.
　LI Long-shu,GE Rui-feng,WANG Hui-ping.Application of Batch Reinforcement Learning Based on NN to Robocup[J].,2009,(12):98.
[6]钟以维 徐应涛 张莹.用填充函数法改进的人脸比对算法[J].计算机技术与发展,2009,(08):78.
　ZHONG Yi-wei,XU Ying-tao,ZHANG Ying.Face Comparison Algorithm Based on Filled Function Method[J].,2009,(12):78.
[7]贾志先.神经网络在空白试卷识别中的应用[J].计算机技术与发展,2009,(08):208.
　JIA Zhi-xian.Application of Neural Network in Recognization Blank Examination Paper[J].,2009,(12):208.
[8]肖宜龙 路游 亓永刚.基于神经网络的NURBS曲面重建[J].计算机技术与发展,2009,(09):65.
　XIAO Yi-long,LU You,QI Yong-gang.NURBS Surface Reconstruction Based on Neural Network[J].,2009,(12):65.
[9]蔡秋茹 罗烨 柳益君 叶飞跃.企业资信的BP神经网络评估模型研究[J].计算机技术与发展,2009,(10):117.
　CAI Qiu-ru,LUO Ye,LIU Yi-jun,et al.Research on BP Neural Network Model for Corporation Credit Rating[J].,2009,(12):117.
[10]王晓敏 刘希玉 戴芬.BP神经网络预测算法的改进及应用[J].计算机技术与发展,2009,(11):64.
　WANG Xiao-min,LIU Xi-yu,DAI Fen.Improvement and Application of BP Neural Network Forecasting Algorithm[J].,2009,(12):64.
[11]黄 璐,毛晓艳.基于深度学习的诊断心脑血管疾病分类方法[J].计算机技术与发展,2021,31(增刊):36.[doi:10. 3969 / j. issn. 1673-629X. 2021. S. 007]
　HUANG Lu,MAO Xiao-yan.Classification Method of Cardiovascular and Cerebrovascular Diseases Based on Deep Learning[J].,2021,31(12):36.[doi:10. 3969 / j. issn. 1673-629X. 2021. S. 007]

更新日期/Last Update: 2019-12-10