基于BP神经网络的自适应伪最近邻分类

摘要：

在伪最近邻(PNN)分类算法中,待分类样本点与每一类样本集中各个近邻的距离加权系数都是主观确定的,这就使得算法得不到最优距离加权值.针对这一问题,该文提出一种基于BP神经网络的自适应伪最近邻分类算法.首先通过计算待分类样本点与每一类样本集中各个近邻的距离值,并将其作为BP神经网络的输入.然后根据BP神经网络输入与输出之间的映射来自适应确定相应的距离加权值.最后由BP神经网络的输出值判别样本类别号.实验结果表明,该算法能够自适应地调节距离加权系数,同时还能有效地改善分类准确率.

关键词：伪最近邻分类、BP神经网络、自适应

所属期刊栏目：38

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金61104104,61473061;四川省信号与信息重点实验室基金SZJJ2009-002 The National Natural Science Foundation of China61104104, 61473061;The Fund of Sichuan Provincial Key Laboratory of Signal and Information ProcessingSZJJ2009-002

在线出版日期：2016-11-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：2774-2779