基于神经网络的K-L变换方法研究
【摘要】:K-L变换是均方误差准则下的最佳变换。本文采用了一种自适应提取主分量的神经网络算法实现K-L变换。采用该算法对网络的权作修正,当网络收敛后,其m个输出神经元对应的权依次为最大m个特征值所对应的主分量。通过实验与分析,采用神经网络算法实现K-L变换具有较好的精度,而且与常规K-L变换算法相比,便于观察主分量的变化,在一定程度上反映了信息提取的过程。当样本增加时,神经网络算法能利用原先的计算信息继续计算,具有较大的优越性。
【相似文献】 | ||
|
|||||||||||||||||||||||||||||||||||||||||
|
|
|||||||||||||||||||||
|
|
|||||||||||||||||||||
|
|
|||||||||||||||||||||
|
|
|||||||||||||||||||||
|