作　　者： ; ;

机构地区： 西安电子科技大学电子工程学院电子工程系

出　　处： 《电子学报》 1996年第7期78-82,共5页

摘　　要： 本文主要研究高斯基函数分类器的训练问题，对基函数分类器来说，如何确定网络的初始隐层节点数和隐层节点参数是一个重要问题。文中采用基于遗传算法的高斯核函数聚类方法和模糊决策技术完成分类器的初始结构和参数确定，然后再采用反向传播（ＢＰ）学习算法完成分类器的最终训练，典型实验的结果表明了该方法的有效性。 This paper principally discusses the training problem of Gaussian basis function classifier which can be used for classification. For basis function classifier,how to correctly initialize the number of network hidden nodes and their parameters is very important. Genetic-based Gaussian function clustering method and fuzzy decision technique are explored to complete this work. Then by using back propagation learning algorithm,the final training can be achieved. Results from the typical experiments are used to illustrate the power and efficiency of this method.

关 键 词： 神经网络 分类器 高斯函数 聚类 模糊决策

领　　域： [自动化与计算机技术] [自动化与计算机技术]