[发明专利]一种乱序数据流中基于误差反向传播的模板匹配方法

摘要

一种乱序数据流中基于误差反向传播的模板匹配算法，针对大数据中乱序数据流难以在短时间内获取有价值的信息的问题，提出了一个改进型匹配模型，对数据进行预处理；提出了动态自适应调整机制，重新定义了性能均方差函数、输出层节点误差项、隐层节点误差项、阈值、连接权值、学习指数。根据匹配模型未知的乱序数据流以及用户的不同需求，确定所需的匹配模板，并对数据流进行预处理，同时加入遗忘因子，动态调整匹配模板。设定好匹配模板之后，同时运用自适应调整机制修正阈值、连接权值和学习指数。仿真结果表明，算法在精度以及运行速度上有着明显的提升，并具有较好的稳定性。

主权项

一种乱序数据流中基于误差反向传播的模板匹配方法，其特征在于对误差反向传播进行改进修正，并将改进后的BP算法运用到模板匹配机制中，提出一个改进型匹配模型，对数据进行预处理；提出神经元优化机制，重新定义神经元计算公式，加入相关系数和离散度；提出动态自适应调整机制，重新定义性能均方差函数、输出层节点误差项、隐层节点误差项、阈值、连接权值、学习指数；根据匹配模型未知的乱序数据流以及用户的不同需求，确定所需的匹配模板，并对数据流进行预处理，同时加入遗忘因子，动态调整匹配模板；设定好匹配模板之后，运用神经元优化机制，动态调整神经元个数，自动删除无效冗余节点；同时运用自适应调整机制修正阈值、连接权值和学习指数；其具体步骤如下：1）利用随机发生器产生乱序数据流，在输入层读取数据，并在隐层中设定可接受误差范围；2）动态设定匹配模板，初始化各层参数，在输入层对数据流进行预处理；3）进行模板匹配，计算各节点误差；若数据在误差范围之内则视为匹配成功，直接输出结果；若不在误差范围之内，则视为此次匹配失败，修正连接权值、阈值及学习指数，来进行下次匹配，再反向传播至隐层进行迭代计算；4）匹配结束后，输出输出层的匹配结果。