-
题名势能记忆梯度优化的协同模式分类方法
- 1
-
-
作者
倪晓军
李培根
邹刚
-
机构
国防科技大学信息中心
-
出处
《计算机工程与应用》
CSCD
北大核心
2011年第36期211-214,共4页
-
文摘
传统的协同模式分类学习方法是依据原型向量再通过伪逆或M-P广义逆的方法求出满足一定关系式的伴随向量,当样本维数大时,这种方法学习过程较慢,特别当样本维数有变化时传统的方法就不太适用了;协同势能函数优化的方法是直接利用协同动力学过程,来获得原型向量和伴随向量的收敛值,相比于传统的方法具有一定的优势。将最优化理论引入到协同进化的动力学过程,以加快学习过程的收敛,并以记忆梯度法替代了传统的梯度下降的算法进行势能函数的优化,来同时进行原型向量和伴随向量的学习,新方法能显著地提高收敛速度并获得较优的原型向量。通过图像的分类识别表明,相对于传统的方法,能提高识别率且收敛更好。
-
关键词
协同模式识别
最优化方法
协同势能函数
记忆梯度法
-
Keywords
synergetic pattern recognition
optimization method
synergetic potential energy function
memory gradient method
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
