基于SVM的混合神經(jīng)網(wǎng)絡(luò)模型的構(gòu)造與實(shí)現(xiàn).pdf

1、該文提出了SVMCNN (基于SVM的混合神經(jīng)網(wǎng)絡(luò))模型(結(jié)構(gòu)圖見(jiàn)正文中圖4-1,p47),SVMCNN由一個(gè)支持向量機(jī)陣列(SVMA)與多個(gè)子神經(jīng)網(wǎng)絡(luò)構(gòu)成,先由SVMA對(duì)輸入樣本進(jìn)行粗分類,再由相應(yīng)的子神經(jīng)網(wǎng)絡(luò)進(jìn)行細(xì)分類,子神經(jīng)網(wǎng)絡(luò)的輸出即是整個(gè)SVMCNN的分類結(jié)果.SVMA由多個(gè)支持向量機(jī)按照一定的策略組合而成.支持向量機(jī)是最近發(fā)展起來(lái)的一種機(jī)器學(xué)習(xí)算法,是一個(gè)通用的二值分類器,如何使用支持向量機(jī)這一二值分類器構(gòu)造多值分類器,是目

2、前國(guó)際上的研究熱點(diǎn).該文采用一對(duì)一的方式,構(gòu)造了支持向量機(jī)陣列的結(jié)構(gòu)(結(jié)構(gòu)圖見(jiàn)正文中圖4-2,p48)及其相應(yīng)的搜索策略,對(duì)任何輸入樣本,只需選擇(N-1)個(gè)支持向量機(jī)進(jìn)行操作就能得到最終的分類結(jié)果,大大提高了效率,節(jié)省了粗分類時(shí)間.子神經(jīng)網(wǎng)絡(luò)可以根據(jù)實(shí)際需要采用不同的網(wǎng)絡(luò)結(jié)構(gòu),包括BP網(wǎng)絡(luò),Hopfield網(wǎng)絡(luò)、SOM自組織網(wǎng)絡(luò)等.為了驗(yàn)證SVMCNN模型求解巨大訓(xùn)練樣本集的多類分類問(wèn)題的可行性,該文以二維樣本分類為例,對(duì)SVMA粗分