基于神经网络的数据融合方法

《基于神经网络的数据融合方法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第27卷第3期Vo1．27No．3文章编号：1007—1180(2010)03—0036—07基于神经网络的数据融合方法王楠，李文成，李岩(1．92941部队96分队，辽宁葫芦岛125001；2．中国科学院长春光学精密机械与物理研究所吉林长春130033；3．91245部队43分队，辽宁葫芦岛125001)摘要：作为一种新的方法体系，人工神经网络具有分布并行处理、非线性映射、自适应学习、较强的鲁棒性和容错等特性，这使得它在模式识别、控制优化、智能信息处理以及故障诊断等方面都有广泛的应用。本文对BP神经网络模设计、建立及训练进行了深入的讨论，研究了基于BP神

2、经网络的数据融合的优缺点。关键词：数据融合；神经网络；BP算法中图分类号：TP39l文献标识码：ADOI：10．3788／0MEI20102703．0036DataFusionMethodBasedonNeuraINetworkWANGNan，LIWen—cheng~，LIYan(1．Army92941Brigade96,Huludoo125001，China；2ChangchunInstituteofoptics,FineMechanicsandPhysics,ChineseAcademyofSciences，Changchun130033，China；

3、3．Army91245Brigade43，Huludao125001，China)Abstract：Thecontinuousattributesofsampledatawerediscretizedwithself-organizingmapneuralnetwork．Reductionwereperformedandtheruleswereextracted．Accordingtothereductedsampledata，BPneuralnetworkwasdesigned．Thefinalresultofthesystemwasoutputtedb

4、yfusingtheresultofroughsetdataanalysisandthatofBPneuralnet．Thismethodwassimulatedandtheexperimentalresultsdemonstrateditseffectiveness．Keywords：datafusion；neuralnetwork；BPalgorithm第27卷第3期Vo1．27No．31引言2BP神经网络简介人工神经网络是一门发展十分迅速的学科，它2．1BP神经网络的结构作为对人脑最简单的一种抽象和模拟，是探索人类BP网络是一种单向传播的多层前向网络

5、，网络智能奥秘的有力工具。人工神经网络涉及到生物、除输出输入节点外。还有一层或多层的隐含节点，电子、计算机、数学和物理等学科，有着广泛的应同层节点中没有任何藕合。输入信号从输入层节点用前景。人工神经网络的研究是从人脑的生理结构依次传过各隐层节点．然后传到输出节点，每一层出发来研究人的智能行为，模拟人脑信息处理的功节点的输出只影响下一层节点的输出。隐含层的传能。人工神经网络是大量并行非线性计算元件广泛输函数通常称为Sigmoid型，如式(1)所示：连接而成的复杂系统，反映了人脑功能的若干基本=丽1，>0)(1)特性，是模拟人的智能的重要途径。其中0为Sigm

6、oid函数的斜率参数。但在输出层中，由于神经网络的特点，决定了它可以完成以下节点的单元特性有时为线性。BP算法是在导师指导信息处理任务[1-2t：下，适合于多层神经元的一种学习，它是建立在梯f1)数学逼近映射；度下降法的基础上的。基于BP算法的多层前馈型网f2)概密度函数的估计；络的结构如图l所示。f3)从二进制数据基中提取相关知识；误差反传(学习算法)(4)形成拓扑连续及统计意义下的映射；f5)最近相邻模式分类；f61数据聚集；期望输出(7)最优化问题求解。向量(导师信号)作为一种新的方法体系，人工神经网络具有分隐含层布并行处理、非线性映射、自适应学习、

7、较强的鲁信号流棒性和容错等特性，这使得它在模式识别、控制优图1基于BP算法的多层前馈型网络化、智能信息处理以及故障诊断等方面都有广泛的2_2BP学习算法与改进应用。数据融合技术和神经网络技术都是对人脑的误差反向传播训练算法P算法)步骤如下：综合处理复杂问题的一种模仿，从数据融合的角度(1)设置初始值，赋给每个连接权值和节点的阈看，神经网络是一个融合系统，利用神经元之间不值一个小的随机值：同的连接方式可以构成不同的融合体系。神经网络(2)输入一个样本=‰，，⋯。和它的期望技术具有综合分析的能力，多传感器系统反映的信输出(do，d1．．一，1)；息既有全面又有

8、局部特征，因而可以利用神经网络(3)计算实际输出(Yo，Y，⋯，y