[发明专利]基于自适应修正神经网络的模式识别方法

摘要

本发明涉及模式识别领域，具体的说是一种基于自适应修正神经网络的模式识别方法；该方法首先采用概率神经网络模型对输入的训练样本进行分类，得到分类正确的样本和分类错误的样本；然后在概率神经网络模型结构的基础上添加输入层、中心层和激励层，构建自适应修正神经网络模型结构；之后针对概率神经网络模型分类错误的样本，以自身为中心点，计算与其他类别样本间的允许半径，聚类同类别错误样本，从而实现分类模式的批量修正以及判决分界面的重新规划，建立自适应修正神经网络模型；最后基于自适应修正神经网络模型对输入的测试样本进行模式识别；本发明具有模式分类准确率高、模型泛化能力强、分类实时性能好、应用前景广阔等特点。

主权项

一种基于自适应修正神经网络的模式识别方法，其特征在于，包括以下步骤：第一步，概率神经网络模式分类，即采用概率神经网络模型对输入的训练样本进行分类，得到分类正确的样本和分类错误的样本；第二步，构建自适应修正神经网络模型结构，即在概率神经网络模型结构的基础上添加输入层、中心层和激励层；第三步，建立自适应修正神经网络模型，即针对概率神经网络模型分类错误的样本，以自身为中心点，计算与其他类别样本间的允许半径，聚类同类别错误样本，从而实现分类模式的批量修正以及判决分界面的重新规划，最终建立自适应修正神经网络模型；第四步，模式识别，即利用上述步骤所得自适应修正神经网络模型，对输入的测试样本进行模式识别。