基于PCA优化径向基函数神经网络的毫米波辐射计目标识别附视频

被引：3

作者：

成亮

朱莉

机构：

[1] 南京理工大学电光学院探测与控制工程系

来源：

微波学报 | 2015年 / S2期

关键词：

毫米波辐射计; 目标识别; 主成分分析; 径向基函数;

D O I：

暂无

中图分类号：

TN015 [微波与超高频技术]; TP183 [人工神经网络与计算];

学科分类号：

080904 [电磁场与微波技术]; 140502 [人工智能];

摘要：

针对神经网络及其改进的神经网络易陷入局部极小值、精度和泛化之间不可调和等固有缺陷,本文将主成分分析(PCA)优化径向基函数神经网络(RBFN)应用于毫米波辐射计的目标识别,利用该方法对探测目标较多的情况下进行目标识别,并与BP和传统RBFN神经网络方法进行比较。结果表明:经过主成分分析优化的径向基函数神经网络相比BP神经网络和传统RBFN神经网络对目标的预测精度更高、发生错判的几率更低、识别效果更好。

引用

页码：225 / 229

页数：5

共 5 条

[1]

粗神经元网络在辐射计目标识别中的应用 [J].

栾英宏 ;

李跃华 ;

卫永平 .

探测与控制学报, 2008, (05) :38-40

[2]

基于群体智能算法的人工神经网络优化及其应用 [D].

陈伟 .

江南大学,

2007

[3]

Radial basis function neural networks for nonlinear Fisher discrimination and Neyman–Pearson classification[J] David Casasent;Xue-wen Chen Neural Networks 2003,

[4]

毫米波近感技术基础[M] 李兴国; 李跃华; 编著北京理工大学出版社 2009,

[5]

Adaptive RLS algorithm for blind source separation using a natural gradient Zhu; Xiao-Long;Zhang; Xian-Da; IEEE Signal Processing Letters 2002,

← 1 →