论文部分内容阅读
首先从理论上分析了广义学习矢量量化(GLVQ)网络的GLVQ-F算法的性能,GLVQ-F算法在一定程度上克服了GLVQ算法算法存在的问题。然而,它对获胜表现型的学习具有好的性能,对于其它的表现型,性能却十分不稳定。分析了产生这个问题的原因,直接从表现型的学习率出发,提出了选取学习率的准则,并给出了两种改进的算法。最后,使用IRIS数据验证了算法的性能,改进算法较之GLVQ-F算法具有明显的稳定性和