论文部分内容阅读
提出了一种基于聚类的神经网络算法,可以很好解决大样本情况引起的网络结构复杂、收敛性和泛化能力差等神经网络的固有问题.算法采用聚类算法为分类器,进行模式空间分解,以分类后的模式子空间为各样本集合,用神经网络集学习,最后根据重力模型计算检测样本对各样本子集的隶属度,整合各子空间的输出结果.通过实验对比表明该算法精度较高,容错性好.