从BP神经元模型和RBF神经元模型几何意义出发,将仿生模式识别理论引入到神经网络分类中,提出了一种基于仿生模式识别的构造型神经网络分类方法,通过构造不同结构神经元结合的神经网络,实现了对不同类样本在高维空间中形成的不同形状几何体的覆盖。实验证明该算法是非常有效的。
1
针对复杂电磁环境下的正交跳频信号分选时效不高问题,提出了一种正交跳频信号动态分选方法,首先基于滑动窗口的数据流模型,采用构造型神经网络对跳频信号频域数据和方位信息动态聚类,减少噪声等因素影响,解决方位信息和幅度关联模糊性的问题;再在相应的覆盖簇内部运用时频关联方法,实现综合跳频信号的动态分选,实验结果表明该方法是有效的
1