一种改进的神经网络板形模式识别方法

• 作者: 宋海军 张洪星 李洪燕
• 来源期刊: 科技与创新
• 关键词: 板形模式 识别方法 向量机 径向基
• 年，卷（期）: 2007,（4）
• 所属期刊栏目: 模式识别
• 页码范围: 273-274,280
• 页数: 3页
• 分类号: TH12
• 语种: 中文
• DOI: 10.3969/j.issn.1008-0570.2007.04.113

摘要

本文提出了一种改进的神经网络板形模式识别方法,该方法基于支持向量机(SVM)与径向基(RBF)网络的结构等价性,利用SVM的回归确定RBF网络较优的初始参数,解决了传统神经网络模式识别方法存在的网络学习时间长,易陷入局部极小值等问题.此外,由于板形标准模式具有两两互反性,将输入样本与基本模式的模糊距离差作为网络输入,使输入节点减少一半,近一步实现了网络结构的固定化和简单化.实验表明,它提高了板形识别精度和速度,可推广到其他标准模式具有两两互反性的模式识别中.