一種基於神經網絡的數據次分量提取方法
2023-05-31 10:28:46
一種基於神經網絡的數據次分量提取方法
【專利摘要】本發明公開了一種神經網絡的數據次分量提取方法,該方法首先進行數據的預處理,如對於一張圖像的數據,採用圖像矩陣分塊的方法,將每一個圖像塊中的灰度值數據轉換一個列向量;構建次分量分析神經網絡;初始化權值向量和k值;在得到列向量中隨機選取一個列向量作為次分量分析神經網絡的輸入值;計算次分量分析神經網絡的輸出;進行迭代計算更新權值向量值,檢驗算法是否已收斂,如收斂,得到的這個向量就是該數據集的關聯矩陣的最小特徵值所對應的特徵向量。本發明的有益效果是能克服現有技術存在的缺陷,提取出數據中的弱特徵,可用於檢測視頻中的煙、霧、粉塵等重要信息。
【專利說明】一種基於神經網絡的數據次分量提取方法
【技術領域】
[0001] 本發明屬於數據處理【技術領域】,涉及一種基於神經網絡的數據次分量提取方法。
【背景技術】
[0002] 數據次分量的提取對于波束形成、直線/曲面擬合、發現圖像中的煙、霧、粉塵等 信息具有重要的作用。數據的次分量,是數據的相關矩陣的最小特徵值所對應的特徵向量。 在輸入數據的次分量提取過程中,常用的方法是矩陣方法。它先求取輸入數據(通常表示 為列向量形式)的關聯矩陣,再求解關聯矩陣的一個特徵值問題以獲得次分量,這種方法 無法處理高維的大規模數據,且不能進行在線數據的次分量提取。例如:如果數據是10000 維的列向量,則它的關聯矩陣是一個10000x10000的方陣,處理該關聯矩陣需要的存儲空 間和計算資源都很大。
【發明內容】
[0003] 本發明的目的在於提供一種基於神經網絡的數據次分量提取方法,解決了現有的 方法無法處理高維的大規模數據,且不能進行在線數據的次分量提取的問題。
[0004] 本發明所採用的技術方案是按照以下步驟進行:
[0005] 步驟1 :進行數據的預處理,例如對於一張圖像的數據,採用圖像矩陣分塊的方 法,將每一個圖像塊中的灰度值數據轉換一個列向量;
[0006] 步驟2 :構建次分量分析神經網絡,其輸入輸出關係為y (k) = w(k)Tx(k);
[0007] 步驟3 :初始化權值向量和令k值為0 ;
[0008] 步驟4 :從步驟1得到列向量集合中隨機選取一個列向量作為神經網絡的輸入向 量;
[0009] 步驟5 :計算次分量分析神經網絡的輸出;
[0010] 步驟6 :進行迭代計算更新權值向量值,迭代公式為:
[0011]
【權利要求】
1. 一種神經網絡的數據次分量提取方法,其特徵在於按照以下步驟進行: 步驟1 :進行圖像數據的預處理,對於一張圖像的數據,採用圖像矩陣分塊的方法,將 每一個圖像塊中的灰度值數據轉換一個列向量; 步驟2:構建次分量分析神經網絡y(k) =w(k)Tx(k); 步驟3 :初始化權值向量和k值; 步驟4 :在步驟1得到列向量中隨機選取一個列向量作為次分量分析神經網絡的輸入 值; 步驟5 :計算次分量分析神經網絡的輸出; 步驟6 :進行迭代計算更新權值向量值,迭代公式為:
步驟7 :檢驗算法是否已收斂,收斂條件為:w(k+1) _w(k) < e,其中,e為〇. 〇1 ;如果 收斂條件滿足,則認為算法已收斂,則輸出提取到的次分量w (k+1),得到的這個向量就是該 數據集的關聯矩陣的最小特徵值所對應的特徵向量,算法結束;否則,取k = k+l,迭代步數 加1,返回執行步驟4。
【文檔編號】G06N3/02GK104063687SQ201410273098
【公開日】2014年9月24日 申請日期:2014年6月18日 優先權日:2014年6月18日
【發明者】彭德中, 張海仙, 郭際香, 桑永勝, 毛華, 甄亮利 申請人:彭德中