基于RPROP算法目标识别的数据归一化研究

• 作者: 刘慧敏 王宏强 黎湘
• 来源期刊: 现代雷达
• 学科: 工学
• 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
• 年，卷（期）: 2009,（5）
• 所属期刊栏目: 信号/数据处理
• 页码范围: 55-60
• 页数: 6页
• 分类号: TN957
• 字数: 5693字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-7859.2009.05.014

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黎湘	国防科技大学空间电子信息技术研究所	174	2404	24.0	40.0
2	王宏强	国防科技大学空间电子信息技术研究所	93	803	14.0	24.0
3	刘慧敏	国防科技大学空间电子信息技术研究所	4	71	2.0	4.0