文献类型：期刊文章

作　　者：戚湧[1,2] 胡俊[1] 於东军[1,2]

机构地区：[1]南京理工大学计算机科学与工程学院,江苏南京210094 [2]南京理工大学常熟研究院,江苏常熟215513

出　　处：《南京理工大学学报》

基　　金：国家自然科学基金(61272419);江苏省自然科学基金(BK2011371);江苏省博士后科研资助计划(1201027C);江苏省产学研联合创新资金前瞻性联合研究项目(BY2012022);中国航天CALT创新基金项目(CALT201102)

年　　份：2013

卷　　号：37

期　　号：1

起止页码：1-6

语　　种：中文

收录情况：AJ、BDHX、BDHX2011、CAS、CSCD、CSCD_E2013_2014、EI、IC、INSPEC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：为解决传统学习算法不能有效利用新可用数据这一不足,提出一种基于自组织映射(SOM)和概率神经网络(PNN)的增量式学习算法——增量式模块化自组织映射概率神经网络(IMSOMPNN)。使用模块化SOM对每类训练数据进行学习,以训练后SOM的原型向量作为此类别的模式神经元来构建PNN。IMSOMPNN可以方便地实现对不同类型的新数据进行增量式学习,并且在进行增量学习时,不再需要利用到原始的训练数据,仅使用新的数据对已有模型进行局部调整;最后,IMSOMPNN还具有较强的抗噪能力。在UCI Landsat Satellite数据集上的实验验证了该文所述方法的有效性。

关 键 词：自组织映射 概率神经网络 增量式学习 机器学习  

分 类 号：TP391.41]