电子与信息学报
電子與信息學報
전자여신식학보
JOURNAL OF ELECTRONICS & INFORMATION TECHNOLOGY
2008年
2期
263-266
,共4页
图像识别%免疫克隆聚类%原型向量%协同神经网络
圖像識彆%免疫剋隆聚類%原型嚮量%協同神經網絡
도상식별%면역극륭취류%원형향량%협동신경망락
该文提出了基于免疫克隆聚类的协同神经网络原型向量求解算法,该算法充分利用免疫克隆的高效全局最优搜索能力构造数据聚类算法,将新聚类算法用于训练协同神经网络的原形向量,并对Brodatz纹理图像库以及合成孔径雷达图像目标进行识别.仿真实验结果表明,相比标准协同神经网络,该算法可以提高网络的识别性能,同经典的支撑向量机相比,该算法在识别率相当的情况下,样本的训练和测试时间都明显缩短.
該文提齣瞭基于免疫剋隆聚類的協同神經網絡原型嚮量求解算法,該算法充分利用免疫剋隆的高效全跼最優搜索能力構造數據聚類算法,將新聚類算法用于訓練協同神經網絡的原形嚮量,併對Brodatz紋理圖像庫以及閤成孔徑雷達圖像目標進行識彆.倣真實驗結果錶明,相比標準協同神經網絡,該算法可以提高網絡的識彆性能,同經典的支撐嚮量機相比,該算法在識彆率相噹的情況下,樣本的訓練和測試時間都明顯縮短.
해문제출료기우면역극륭취류적협동신경망락원형향량구해산법,해산법충분이용면역극륭적고효전국최우수색능력구조수거취류산법,장신취류산법용우훈련협동신경망락적원형향량,병대Brodatz문리도상고이급합성공경뢰체도상목표진행식별.방진실험결과표명,상비표준협동신경망락,해산법가이제고망락적식별성능,동경전적지탱향량궤상비,해산법재식별솔상당적정황하,양본적훈련화측시시간도명현축단.
