文献类型：期刊文章

作　　者：康辉英[1] 李明亮[2,3]

机构地区：[1]石家庄经济学院华信学院,石家庄050031 [2]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 [3]石家庄经济学院信息工程学院,石家庄050031

出　　处：《计算机工程与应用》

基　　金：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)

年　　份：2013

卷　　号：49

期　　号：20

起止页码：183-187

语　　种：中文

收录情况：AJ、CSA、CSA-PROQEUST、CSCD、CSCD2013_2014、IC、INSPEC、JST、RCCSE、ZGKJHX、普通刊

摘　　要：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。

关 键 词：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)  

分 类 号：TP393]