-
题名基于RPROP算法目标识别的数据归一化研究
被引量：28
- 1
-
-
作者
刘慧敏
王宏强
黎湘
-
机构
国防科技大学空间电子信息技术研究所
-
出处
《现代雷达》
CSCD
北大核心
2009年第5期55-60,共6页
-
基金
国家高技术863项目
-
文摘
在复杂的目标识别问题中,高维数的待识别数据往往存在较大的数值差异,导致神经网络分类器学习速度变慢甚至不收敛,因此需要对数据进行归一化处理。文中以回弹后向传播算法在目标识别中的应用为背景,系统深入地研究了BP算法网络输入数据归一化方法,详细讨论了6种归一化方法的特点和应用范围。使用4类目标的仿真数据、5类飞机的暗室测量数据和UCIdata数据库的部分数据集进行实验,以数据未经归一化时作参考,分析比较了这6种归一化方法对网络学习性能的影响。结果表明:归一化能消除不同特征分量间的数值大小差异,改善网络的学习性能,其中分量白化方法效果好、概念直观,可作为通用的归一化方法。
-
关键词
回弹后向散射算法
BP神经网络
目标识别
数据归一化
-
Keywords
RPROP algorithm
BP neural network
target recognition
data normalization
-
分类号
TN957.51
[电子电信—信号与信息处理]
-
