[发明专利]一种基于SVM技术的离散前向神经网络分类器的优化方法

权利要求书

1.一种基于SVM技术的离散前向神经网络分类器的优化方法，包括以下步骤：

步骤1)，对给定样本集S进行训练，建立映射关系,确立一个BFNN分类器，具体可描述为 先随机初始化一个离散前向神经网络，根据基于敏感性的自适应学习算法(SBALR)训练给 定样本S从而得到一个BFNN分类器；

步骤2)，读取已获得的BFNN分类器的网络信息，包括网络所含层数L，每层所含神经元 个数n^l，其中，表示l网络的层数序号，选择一个样本X_i；

步骤3)，判断样本序号是否在给定样本集S中，如果在，则读取样本X_i，否则，则跳出步骤 3)；

步骤4)，对已训练好的BFNN分类器的网络层数进行编号，并定位网络的层号l；

步骤5)，判断网络层号是否属于该网络所含层数，如果是，则对于定位到的第l层，对该 层的神经元进行编号，并且具体定位到第l层的第j个神经元，否则，则网络中所有神经元在 该样本X_i下均已计算完毕，此时，需要下一个样本的读入，跳到步骤4)；

步骤6)，判断一个神经元的编号j是否属于原网络该层的神经元个数；如果是，则计算 出该神经元在样本输入下对应的输出，形成的新的集合；否则，则说明该层 神经元对应的输入输出集均已计算完毕，则进入下一层神经元进行同样的计算；

步骤7)，从网络的第一个神经元开始，去读取相应的样本训练集Sjl=(Xj,il,yj,il);]]>

步骤8)，用SVM技术对每一个神经元的相应的样本训练集进行训练，得出 新的神经元参数，代替原本的神经元参数；

步骤9)，重复步骤8)和9)，直至所有的神经元参数都得到优化；

步骤10)，进过上面的步骤，重新形成的网络就是经过优化后的离散前向神经网络分类 器。