三种新的学习子空间模式识别方法的研究

黄德双

您当前的位置：

首页 >

文章列表页 >

三种新的学习子空间模式识别方法的研究

更新时间：2025-12-08

- 三种新的学习子空间模式识别方法的研究
- A Study on Three Kinds of New Learning Subspace Methods for Pattern Recognition
- 电子学报 1995年第7期
- 作者机构：
  
  北京理工大学电子工程系
- 作者简介：
- 基金信息：
  
  中科院自动化所模式识别开放实验基金
- DOI：
  中图分类号： O235
- 纸质出版：1995
- 稿件说明：
移动端阅览
[1]黄德双.三种新的学习子空间模式识别方法的研究[J].电子学报,1995(07):25-30.

HuanR Deshuang. A Study on Three Kinds of New Learning Subspace Methods for Pattern Recognition[J]. Acta Electronica Sinica, 1995, (7).
[1]黄德双.三种新的学习子空间模式识别方法的研究[J].电子学报,1995(07):25-30. DOI：

HuanR Deshuang. A Study on Three Kinds of New Learning Subspace Methods for Pattern Recognition[J]. Acta Electronica Sinica, 1995, (7). DOI：

摘要

本文提出了最小模、检错平均、前后向平滑三种新的神经网络学习子空间模式识别方法．这些方法在识别率和收敛速度等整体性能上，接近或超过Ｅ．Ｏｊａ的平均学习子空间方法；特别是，前后向平滑学习子空间方法是目前最好的一类学习子空间方法，在模式识别领域，特别是语音识别方面具有广泛的应用前景，本文就舰船目标与箔条杂波利用这些方法进行了若干分类与识别实验，计算机模拟结果证实了这些方法的有效性．

Abstract

This paper presents three kinds of new Neural Networks

Learning Subspace Methods（LSM） for Pattern Recognition such as Mininum Norm（MN）

Detecting Error Averaged（DEA）

Forward and Backward Smoothing（FBS）.Their total performances in recognition rate and convergence speed approach or surpass ALSM’s by E.Oja.Especially

the FBS-LSM is by now best method in LSMs.They have been widely used in Pattern Recognition

especially

in speech classfication.Finally

these methods are applied to the classification of targets-ships and clutters-chaffs

the results of the computers simulation are given

also.

关键词

Keywords

references

浏览量

138

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

自监督学习子空间模式识别方法的统计特性分析

一种基于奇异值特征的神经网络人脸识别新途径

仿生模式识别(拓扑模式识别)——一种模式识别新模型的理论与应用

一种可识别样本中共同抽象特征的神经网络

基于同源的同类事物连通本性的模式分类神经网络模型