计算机科学 ›› 2004, Vol. 31 ›› Issue (5): 153-155.
• 计算机网络与信息安全 • 上一篇 下一篇
黄克军 叶茂 王雁东 李毅超
出版日期:
发布日期:
Online:
Published:
摘要: 主元分析(PCA)也称为K-L变换是进行特征提取的一种重要方法。近年来,为了处理海量数据,许多基于Hebbian学习算法的PCA神经网络被提出来。传统的算法,通常不能保证其收敛性或者收敛速度较慢。基于CRLS神经网络,本文提出了一种新的确保权向量收敛的学习算法,本算法无须在计算中规格化权向量。同时也证明了该学习算法使得权向量收敛到最大特征值所对应的特征向量。实验表明,与传统的CRLS神经网络比较,本文算法准确性得到极大提高。
关键词: 全局收敛 PCA 神经网络 主元分析 K-L变换 学习算法 特征向量 特征提取 模式识别
黄克军 叶茂 王雁东 李毅超. 一种全局收敛的PCA神经网络学习算法[J]. 计算机科学, 2004, 31(5): 153-155. https://doi.org/
0 / / 推荐
导出引用管理器 EndNote|Reference Manager|ProCite|BibTeX|RefWorks
链接本文: https://www.jsjkx.com/CN/
https://www.jsjkx.com/CN/Y2004/V31/I5/153
Cited