基于降维BP神经网络的高维数据分类研究OACSCDCSTPCD
High-dimensional data classification based on dimension reduction of BP neural network
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。
To ensure the classification accuracy of the neural network of high-dimensional data, it proposes to firstly reduce its dimension and then to do classification. And it in fact achieves the dimension reduction of high-dimensional data by Principal Component Analysis(PCA). By analysis of the traditional BP algorithm, the proposed disturbance BP learning method is divided into two steps to update the network weights. It analyzes the classification accurac…查看全部>>
康辉英;李明亮
石家庄经济学院 华信学院，石家庄 050031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，石家庄 050031
信息技术与安全科学
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)
high-dimension dataneural networkBack Propagation(BP)algorithmhigh-order differentialperturbed Back Propagation(BP)
《计算机工程与应用》 2013 (20)
183-187,5
国家自然科学基金（No.51077125/E070602）；中国科技部科技人员服务企业行动项目基金（No.2009GJA0035）。
评论