计算机应用与软件
計算機應用與軟件
계산궤응용여연건
COMPUTER APPLICATIONS AND SOFTWARE
2009年
2期
14-16,34
,共4页
粗糙集%神经网络%信息融合
粗糙集%神經網絡%信息融閤
조조집%신경망락%신식융합
近年来,神经网络被广泛应用于多传感器信息融合.但是当传感器数量庞大时,过高的输入神经网络的信息维数会导致神经网络训练速度下降,甚至不收敛.针对上述问题,对传统的基于神经网络的融合算法进行了改进,利用粗糙集的冗余数据约简算法,剔除部分传感器的输入,同时将剩余的传感器信息重新组合,形成维数较小的数据分别训练,从而避免了输入数据维数过高带来的问题,较之于传统算法,算法在训练阶段的迭代次数等时间性能以及融合阶段的准确性两个方面均有所提高.
近年來,神經網絡被廣汎應用于多傳感器信息融閤.但是噹傳感器數量龐大時,過高的輸入神經網絡的信息維數會導緻神經網絡訓練速度下降,甚至不收斂.針對上述問題,對傳統的基于神經網絡的融閤算法進行瞭改進,利用粗糙集的冗餘數據約簡算法,剔除部分傳感器的輸入,同時將剩餘的傳感器信息重新組閤,形成維數較小的數據分彆訓練,從而避免瞭輸入數據維數過高帶來的問題,較之于傳統算法,算法在訓練階段的迭代次數等時間性能以及融閤階段的準確性兩箇方麵均有所提高.
근년래,신경망락피엄범응용우다전감기신식융합.단시당전감기수량방대시,과고적수입신경망락적신식유수회도치신경망락훈련속도하강,심지불수렴.침대상술문제,대전통적기우신경망락적융합산법진행료개진,이용조조집적용여수거약간산법,척제부분전감기적수입,동시장잉여적전감기신식중신조합,형성유수교소적수거분별훈련,종이피면료수입수거유수과고대래적문제,교지우전통산법,산법재훈련계단적질대차수등시간성능이급융합계단적준학성량개방면균유소제고.
