| 基于优化RBF神经网络的集成算法及其在调制识别中的应用 |
| |
| 引用本文： | 李剑,江成顺,侯毅刚.基于优化RBF神经网络的集成算法及其在调制识别中的应用[J].信息工程大学学报,2010,11(4):448-451. |
| |
| 作者姓名： | 李剑 江成顺 侯毅刚 |
| |
| 作者单位： | 1. 信息工程大学,信息工程学院,河南,郑州,450002;61580部队,北京,100193
2. 信息工程大学,信息工程学院,河南,郑州,450002 |
| |
| 摘 要： | 首先通过模拟退火算法对单个网络的隐含层高斯基函数中心值和标准化常数聚类算法进行了优化,进而提出了一种基于泛化误差性能跟踪的最优训练中止算法,避免了神经网络的过学习问题;最后通过基于最优权重的集成算法给出了模式所属类别的确定性衡量,提高了识别精度和系统的泛化能力。将该算法用于调制信号类型识别,取得了较高的识别精度。
|
| 关 键 词： | RBF神经网络集成 最优训练中止算法 调制识别 |
Application of Improved RBF Neural Network Ensemble Algorithm to Modulation Recognition |
| |
| LI Jian,JIANG Cheng shun,HOU Yi gang.Application of Improved RBF Neural Network Ensemble Algorithm to Modulation Recognition[J].Journal of Information Engineering University,2010,11(4):448-451. |
| |
| Authors: | LI Jian JIANG Cheng shun HOU Yi gang |
| |
| Affiliation: | 1.Institute of Information Engineering,Information Engineering University, Zhengzhou 450002,China;2.Unit 61580,Beijing 100193,China) |
| |
| Abstract: | A new neutral network ensemble algorithm is proposed.First,the hidden layer training of neutral network is optimized by simulated annealing algorithm.Then,an optimal stopping rule is proposed to avoid over-fitting training.Based on optimal weights＇ ensemble algorithm,the identification rate as well as generalization ability is improved.Application of this method to modulation recognition shows that it can reach satisfactory performance. |
| |
| Keywords: | RBF neutral network ensemble optimal stopping rule modulation recognition |
| 本文献已被 维普 万方数据 等数据库收录！ |
| 点击此处可从《信息工程大学学报》浏览原始摘要信息 |
|
点击此处可从《信息工程大学学报》下载全文 |
|
