基于降维BP神经网络的高维数据分类研究

• 作者: 康辉英 李明亮
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 高维数据 神经网络 反向传播(BP)算法 高阶微分 扰动反向传播(BP)
• 年，卷（期）: 2013,（20）
• 所属期刊栏目: 图形图像处理
• 页码范围: 183-187
• 页数: 5页
• 分类号: TP393
• 字数: 4683字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1201-0137

摘要

为确保高维数据的神经网络分类精度，提出了先降维后分类的方法。采用主成分分析（PCA）法实现高维数据的降维。通过分析传统BP算法，提出分两步来更新网络权值的扰动BP学习方法。采用MATLAB对降维分类算法的分类精度和误差收敛速度进行分析。仿真结果显示：先降维再采用扰动BP网络进行高维数据分类可大大提高数据的分类精度和训练速度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李明亮	石家庄经济学院河北省光电信息与地球探测技术重点实验室	20	49	3.0	6.0
5	康辉英	石家庄经济学院华信学院	2	13	2.0	2.0