文献类型：期刊文章

作　　者：刘慧敏[1] 王宏强[1] 黎湘[1]

机构地区：[1]国防科技大学空间电子信息技术研究所,长沙410073

出　　处：《现代雷达》

基　　金：国家高技术863项目

年　　份：2009

卷　　号：31

期　　号：5

起止页码：55-60

语　　种：中文

收录情况：BDHX、BDHX2008、CSA、CSA-PROQEUST、CSCD、CSCD_E2011_2012、IC、JST、ZGKJHX、核心刊

摘　　要：在复杂的目标识别问题中,高维数的待识别数据往往存在较大的数值差异,导致神经网络分类器学习速度变慢甚至不收敛,因此需要对数据进行归一化处理。文中以回弹后向传播算法在目标识别中的应用为背景,系统深入地研究了BP算法网络输入数据归一化方法,详细讨论了6种归一化方法的特点和应用范围。使用4类目标的仿真数据、5类飞机的暗室测量数据和UCIdata数据库的部分数据集进行实验,以数据未经归一化时作参考,分析比较了这6种归一化方法对网络学习性能的影响。结果表明:归一化能消除不同特征分量间的数值大小差异,改善网络的学习性能,其中分量白化方法效果好、概念直观,可作为通用的归一化方法。

关 键 词：回弹后向散射算法  BP神经网络 目标识别 数据归一化  

分 类 号：TN957.51]