CAJ | 학술논문

机器学习和识别可归结于一个高速、有效地搜索非常大的样本空间问题,以实现对训练和识别样本的最佳拟合.对于复杂背景的模式样本集,同类型样本的独立同分布(i.i.d)特性通常难以保证,统计理论无法有效应用.本文将层次化思想和自组织映射(SOM)神经网络相结合,采用递归实现技术实现了一种高效、高容量,能够自适应增长的模式分类树(RSOM树)生长方法,用于模式识别和机器学习的基本建模.通过对大量公用数据集的测试以及在实际的雷达目标识别系统中应用,方法有效性得到了证明.
궤기학습화식별가귀결우일개고속、유효지수색비상대적양본공간문제,이실현대훈련화식별양본적최가의합.대우복잡배경적모식양본집,동류형양본적독립동분포(i.i.d)특성통상난이보증,통계이론무법유효응용.본문장층차화사상화자조직영사(SOM)신경망락상결합,채용체귀실현기술실현료일충고효、고용량,능구자괄응증장적모식분류수(RSOM수)생장방법,용우모식식별화궤기학습적기본건모.통과대대량공용수거집적측시이급재실제적뢰체목표식별계통중응용,방법유효성득도료증명.