融合自组织映射与概率神经网络的增量式学习方法

摘要

本发明提供一种融合自组织映射与概率神经网络的增量式学习方法，包括以下步骤：初始学习：利用自组织映射从原始样本中提取样本分布规律，将原始样本分为多个类别的训练数据集；然后对每一类别的训练数据集进行训练，得到每个类别训练数据集的自组织映射；使用训练后自组织映射的原型向量作为模式神经元来构建概率神经网络；如果新数据集为已知类别的数据集，进行局部的调整学习即可；如果新数据集是新类别的数据集，则新训练一个独立的自组织映射，并将其原型向量加入所述概率神经网络中。本发明的方法可克服传统的机器学习算法通常基于静态的数据集来构造决策模型，且不能有效利用蕴含在新的可用数据中的知识的缺陷。