面向高维数据PCA-ReliefF的EP模式分类算法

针对高维数据集,文中提出一种PREP(PCA-Relief F for EP)算法:首先采用PCA和Relief F算法实现特征降维;然后利用EP模式思想,构造精度更高、规模更小的EP模式分类器;最后利用标准数据集对文中的方法进行测试。实验结果表明,在对高维数据进行分类时,该方法构造的分类器在预测精度和运行时间上均有较大幅度的提升。

一种权值预学习BP算法的研究

采用无监督学习中的主元分析算法的０ｊａ规则对前馈网络的权值进行预学习，以此来加速前馈网络的学习速度。通过奇偶校验和非线性系统辨识两个应用，验证了该算法在学习速度与性能上都优于传统的ＢＰ算法。