基于PCA优化径向基函数神经网络的毫米波辐射计目标识别

摘要：

针对神经网络及其改进的神经网络易陷入局部极小值、精度和泛化之间不可调和等固有缺陷,本文将主成分分析(PCA)优化径向基函数神经网络(RBFN)应用于毫米波辐射计的目标识别,利用该方法对探测目标较多的情况下进行目标识别,并与BP和传统RBFN神经网络方法进行比较.结果表明:经过主成分分析优化的径向基函数神经网络相比BP神经网络和传统RBFN神经网络对目标的预测精度更高、发生错判的几率更低、识别效果更好.

关键词： 毫米波辐射计 目标识别 主成分分析 径向基函数神经网络 BP神经网络

作者: 成亮 朱莉

作者单位: 南京理工大学电光学院探测与控制工程系,南京210094

会议类型: 国内会议

会议名称: 2015年第十届全国毫米波亚毫米波会议

会议地点: 福建泉州

会议语种:中文

页码: 225-229

在线出版日期: 2015-10-01（万方平台首次上网日期，不代表论文的发表时间）