计算机工程
計算機工程
계산궤공정
COMPUTER ENGINEERING
2011年
2期
191-193
,共3页
张松华%何怡刚%李兵%佘开%侯周国
張鬆華%何怡剛%李兵%佘開%侯週國
장송화%하이강%리병%사개%후주국
遗传小波神经网络%射频识别%调制识别
遺傳小波神經網絡%射頻識彆%調製識彆
유전소파신경망락%사빈식별%조제식별
在射频识别的调制识别方法中,神经网络常用的反向传播算法普遍存在收敛速度慢、容易陷入局部极小点、网络参数的选取只能凭实验和经验确定等缺点.针对上述问题,提出一种基于遗传算法优化小波神经网络的识别分类器.该分类器可以充分发挥遗传算法的全局寻优能力、小波分析的非线性逼近能力和神经网络的自学习特性,仿真结果表明其可以优化系统的收敛速度和识别精度.
在射頻識彆的調製識彆方法中,神經網絡常用的反嚮傳播算法普遍存在收斂速度慢、容易陷入跼部極小點、網絡參數的選取隻能憑實驗和經驗確定等缺點.針對上述問題,提齣一種基于遺傳算法優化小波神經網絡的識彆分類器.該分類器可以充分髮揮遺傳算法的全跼尋優能力、小波分析的非線性逼近能力和神經網絡的自學習特性,倣真結果錶明其可以優化繫統的收斂速度和識彆精度.
재사빈식별적조제식별방법중,신경망락상용적반향전파산법보편존재수렴속도만、용역함입국부겁소점、망락삼수적선취지능빙실험화경험학정등결점.침대상술문제,제출일충기우유전산법우화소파신경망락적식별분류기.해분류기가이충분발휘유전산법적전국심우능력、소파분석적비선성핍근능력화신경망락적자학습특성,방진결과표명기가이우화계통적수렴속도화식별정도.
