利用汉明距离优选神经网络学习样本

被引：9

作者：

申金媛

刘王月

张文伟

陈戍

郭鹏毅

宋庄

张延炘

机构：

[1] 南开大学现代光学研究所,国家教育部光电信息科学技术开放实验室!天津,南开大学现代光学研究所,国家教育部光电信息科学技术开放实验室!天津,南开大学现代光学研究所,国家教育部光电信息科学技术开放实验室!天津,南开大学现代光学研究所,国家教育部光电信息

来源：

光学学报 | 2000年 / 09期

关键词：

神经网络; 模式识别; 学习样本; 级联模型;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

140502 [人工智能];

摘要：

鉴于学习样本对神经网络模型的模式识别性能有很大的影响 ,提出学习样本的选择应与识别模型所利用的特性相结合 ,并利用汉明 (Hamming)距离对用于旋转不变识别的级联模型的学习样本进行优选 ,计算机对三个很相似的飞机模型进行识别 ,识别结果表明对学习样本进行有效的选择不仅可以减少系统的学习训练时间而且可以提高模型的识别能力。

引用

页码：1229 / 1234

页数：6