協(xié)同學原理在神經(jīng)網(wǎng)絡分類器中的研究與應用.pdf

1、神經(jīng)網(wǎng)絡分類器在實踐過程中擁有良好的性能，易于實現(xiàn)，對各種類型的數(shù)據(jù)擁有良好的適應能力。以神經(jīng)網(wǎng)絡科學研究成果為基礎發(fā)展起來的協(xié)同神經(jīng)網(wǎng)絡模型，反映出人腦功能的若干種基本特性，開拓了神經(jīng)網(wǎng)絡在計算機中的新用途。
　　 本文研究了協(xié)同學原理在神經(jīng)網(wǎng)絡分類器中的應用，其內(nèi)容主要集中于協(xié)同模式識別中原型模式向量求解算法、協(xié)同神經(jīng)網(wǎng)絡分類器設計及人臉分類系統(tǒng)驗證模型可行性三個方面。通過對當前已有的神經(jīng)網(wǎng)絡分類器的綜合分析和比較，結合各自

2、優(yōu)缺點以及協(xié)同神經(jīng)網(wǎng)絡的具體特征，提出將協(xié)同學原理應用于神經(jīng)網(wǎng)絡分類器中的構想。首先，論文介紹了協(xié)同學的相關概念及協(xié)同神經(jīng)網(wǎng)絡的總體結構，為課題后續(xù)研究提供了理論基礎。其次，本文著重探討了模式識別中的核心技術，即原型模式向量選取算法，通過對四種不同求解算法的分析和比較，選出兩種算法:K-均值聚類算法和遺傳算法進行著重研究，通過深入學習比較二者的優(yōu)劣性，最終提出了優(yōu)化的遺傳K-均值聚類算法來求解原型模式向量。然后，在此算法的基礎上設計實現(xiàn)