一种全连接粒神经网络分类方法 |
| |
引用本文: | 傅兴宇,陈颖悦,陈玉明,江海亮,黄涛.一种全连接粒神经网络分类方法[J].山西大学学报(自然科学版),2023(1):91-100. |
| |
作者姓名: | 傅兴宇 陈颖悦 陈玉明 江海亮 黄涛 |
| |
作者单位: | 1. 厦门理工学院计算机与信息工程学院;2. 厦门理工学院经济与管理实验中心 |
| |
摘 要: | 全连接神经网络需要大量的数据支持,才能训练好一个分类网络,往往现实中没有提供大量的数据供给网络训练。针对全连接神经网络缺少数据训练会使网络分类效果不佳这个问题,研究粒计算理论,从不同角度增广数据并进行粒化,提出一种全连接粒神经网络的分类方法。首先,该网络对所有样本进行单特征参照样本相似度粒化,形成参照样本粒子。同时引入邻域判别函数进行邻域粒化,形成邻域粒子。一个样本上的多个特征粒子构成一个粒向量,将构造的粒向量输入到该网络进行分类,进而提出了全连接粒神经网络。在多个UCI数据集上实验,用全连接粒神经网络和不同的分类算法进行比较,其结果表明了所提出的全连接粒神经网络分类方法的正确性与有效性。
|
关 键 词: | 全连接 粒神经网络 邻域粒化 相似度粒化 分类网络 |
|
|