计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2004年
5期
153-155
,共3页
黄克军%叶茂%王雁东%李毅超
黃剋軍%葉茂%王雁東%李毅超
황극군%협무%왕안동%리의초
主元分析%神经网络%特征向量%特征提取
主元分析%神經網絡%特徵嚮量%特徵提取
주원분석%신경망락%특정향량%특정제취
主元分析(PCA)也称为K-L变换是进行特征提取的一种重要方法.近年来,为了处理海量数据,许多基于Hebbian学习算法的PCA神经网络被提出来.传统的算法,通常不能保证其收敛性或者收敛速度较慢.基于CRLS神经网络,本文提出了一种新的确保权向量收敛的学习算法,本算法无须在计算中规格化权向量.同时也证明了该学习算法使得权向量收敛到最大特征值所对应的特征向量.实验表明,与传统的CRLS神经网络比较,本文算法准确性得到极大提高.
主元分析(PCA)也稱為K-L變換是進行特徵提取的一種重要方法.近年來,為瞭處理海量數據,許多基于Hebbian學習算法的PCA神經網絡被提齣來.傳統的算法,通常不能保證其收斂性或者收斂速度較慢.基于CRLS神經網絡,本文提齣瞭一種新的確保權嚮量收斂的學習算法,本算法無鬚在計算中規格化權嚮量.同時也證明瞭該學習算法使得權嚮量收斂到最大特徵值所對應的特徵嚮量.實驗錶明,與傳統的CRLS神經網絡比較,本文算法準確性得到極大提高.
주원분석(PCA)야칭위K-L변환시진행특정제취적일충중요방법.근년래,위료처리해량수거,허다기우Hebbian학습산법적PCA신경망락피제출래.전통적산법,통상불능보증기수렴성혹자수렴속도교만.기우CRLS신경망락,본문제출료일충신적학보권향량수렴적학습산법,본산법무수재계산중규격화권향량.동시야증명료해학습산법사득권향량수렴도최대특정치소대응적특정향량.실험표명,여전통적CRLS신경망락비교,본문산법준학성득도겁대제고.
