一种新的自组织聚类网络及其在数据融合目标分类中的应用

• 作者: 倪国强 牛丽红 苏秉华
• 来源期刊: 光学技术
• 学科: 工学
• 关键词: 数据融合 目标识别 人工神经网络 非监督学习算法
• 年，卷（期）: 2003,（1）
• 所属期刊栏目: 信息处理
• 页码范围: 66-68
• 页数: 3页
• 分类号: TP751
• 字数: 2821字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-1582.2003.01.031

摘要

介绍了一种新的自组织聚类人工神经网络(DIGNET)模型和网络的非监督学习算法.针对数据融合和目标识别的特点,提出了基于DIGNET的决策层数据融合目标分类方法.利用仿真数据研究了DIGNET和自组织特征映射网络(SOFM)的聚类性能以及基于DIGNET的决策层数据融合结构, 实验结果表明DIGNET较SOFM正确分类率高、抗噪能力好;基于DIGNET的决策层数据融合能够有效地实现融合识别.将该数据融合方法应用于前视红外(FLIR)和可见光摄像机目标跟踪系统,结果表明该方法是可行的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	倪国强	北京理工大学光电工程系	203	3505	29.0	52.0
2	苏秉华	北京理工大学光电工程系	81	827	16.0	27.0
3	牛丽红	北京理工大学光电工程系	7	360	6.0	7.0