首页 | 本学科首页   官方微博 | 高级检索  
     

基于Dempster—shafer理论的多个神经网络分类器融合算法
引用本文:易正俊 黄瀚敏 等. 基于Dempster—shafer理论的多个神经网络分类器融合算法[J]. 重庆大学学报(自然科学版), 2002, 25(7): 33-36
作者姓名:易正俊 黄瀚敏 等
作者单位:[1]重庆大学数理学院,重庆400044 [2]重庆大学自动化学院,重庆400044
摘    要:用遗传算法优化神经网络分类器的连接权系数,避免采用BP算法存在易于陷入局部极值,使每个神经网络分类器的分类接近于理想状态,由于每个分类器的特征输入不同,不能被一个分类器识别的模式,却可能被另一个分类器识别,为了提高模式识别的精度,可将一个模式识别问题由多个分类器来完成,将每一个分类器的输出结果作为一条证据,确定各分类器的基本概率指派函数,再用证据组合理论融合证据信息,可以提高分类的精度和避免某一个神经网络遭到破坏而使整个系统陷于瘫痪状态。

关 键 词:Dempeter-shafer理论 证据组合理论 神经网络分类器 信息融合算法
文章编号:1000-582X(2002)07-0033-04
修稿时间:2002-02-01

Information Fusion Algorithm Based Evidence Combination
YI Zheng -jun,HUANG Han -ming,HUANG Xi -yue. Information Fusion Algorithm Based Evidence Combination[J]. Journal of Chongqing University(Natural Science Edition), 2002, 25(7): 33-36
Authors:YI Zheng -jun  HUANG Han -ming  HUANG Xi -yue
Affiliation:YI Zheng -jun 1,HUANG Han -ming 2,HUANG Xi -yue 2
Abstract:This paper applies the evidence combination theory to fuse the information of multi-neural network classifier. In order to make each classifier approach the ideal state, the heredity algorithm is applied to train it. The different capacity of each classifier is caused by different classified feature. Input feature can't be identified by one classifier and may be identified by another, Model identification can be performed by multi-classifier, output result can be thought of evidence, further more,the BPA of each classifier is determined, then the procession of the model identification must be improved.
Keywords:evidence combination  information fusion  neural network
本文献已被 CNKI 维普 万方数据 等数据库收录!
点击此处可从《重庆大学学报(自然科学版)》浏览原始摘要信息
点击此处可从《重庆大学学报(自然科学版)》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号