Advisor: Prof. Chin-Shyurng Fahn

TEL: 02-2733-3141 # 7425

Location: RB307-3

Designer: Yu-Ta Lin

C. S. Fahn and M. J. Kuo, “The Support Vector Clustering Neural Network Used for Pattern Classification,” in Proc. of the Workshop on Image Process., Comput. Graphics & Multimedia Tech. of the Int. Comput. Symp. ' 06 , Taipei , Taiwan , R. O. C., pp. 1055-1059, 2006.

  我們提出一種新型態的類神經網路,稱之為「支向分群網路(support vector clustering neural network)」; 建構此網路的原理是以「支向分群法(support vector clustering)」為基礎,它是採用批次(batch)的訓練方式,而這種方法所隱含的缺點為:當訓練用的資料量逐漸增大時,求解拉氏乘數(Lagrange multiplier)的困難度也隨之增加。為了克服此限制,我們提出一個名為「支向鑑定支向 (support vector identifying support vector)」的機制,並據此發展出一個屬於累增式(incremental)的訓練演算法,其中的每一個步驟,僅有一個或極少量的新資料會被選上而加入這次的支向分群法訓練,接著,只有具備支向身份的資料會被留下來,繼續參與下一次的支向分群法訓練;重複此程序,直到所有的資料都已參與過訓練,才停止演算法的執行。再者,將訓練完成的結果用以建構支向分群網路,並利用支向鑑定支向的機制,使它可以用來決定一個未知的資料是否屬於已內建於網路中的某一群。我們的實驗結果顯示:當一筆資料集裡的支向資料數目是少數時,支向鑑定支向的機制所需的訓練時間將稍快於傳統的支向分群法。

 

註:M. J. Kuo (郭明瑞) 為申請人所指導的博士班研究生 (民國95年9月入學)。