10.3969/j.issn.1000-7024.2007.09.041
基于神经网络的飞参数据特征选择方法
针对飞参数据中存在的大量冗余和不相关,提出了一种基于神经网络的飞参数据特征选择方法.为克服传统算法收敛速度慢、易陷入局部极小等缺陷,神经网络的训练采用粒子群优化算法和Levenberg-Marquardt优化算法相结合的方式.神经网络训练结束后,先利用网络权值信息对飞参数据特征的相对重要度进行排序,然后根据重要度次序对飞参数据特征进行选择.实验结果表明该方法能快速有效地删除冗余飞参数据特征,同时提高网络的泛化能力.
粒子群优化、神经网络、飞参数据、特征选择、属性重要度
28
TP183(自动化基础理论)
2007-06-18(万方平台首次上网日期,不代表论文的发表时间)
共3页
2114-2115,2184