[发明专利]一种新的神经网络模式识别方法

摘要

本发明公开一种新神经网络模式识别方法，包括学习步骤与识别步骤，在上述步骤中，建立训练样本集，将训练样本集中训练样本划分成若干块，建立学习前向掩蔽SLAM模型，利用模型中的RBF神经元获取各块上基于同源的同类事物连通本性的优先度排序神经网络的训练样本子集，对训练样本子集进行优先度排序，并将学成神经元按学成先后顺序排列，建立起训练好的基于同源的同类事物连通本性的PORBF网络；将测试样本输入至PORBF网络中，检测每一个RBF神经元的输出，找出序号最小且为激活输出的神经元，将该神经元的类别作为网络的判决输出。本发明的正确识别率更高，而且适合解决大规模超多类模式识别问题。

主权项

一种新神经网络模式识别方法，特征在于其包括如下步骤：(1)学习步骤，建立有限样本集，设定在有限样本集中同类事物中任意两相互直接连通样本之间的距离小于或等于δ，而不同类两事物样本之间的距离大于2δ，0＜δ≤0.1，将有限样本集中训练样本划分成若干块，建立学习前向掩蔽SLAM模型，利用模型中的RBF神经元获取各块上基于同源的同类事物连通本性的优先度排序神经网络的训练样本子集，对训练样本子集进行优先度排序，将按照包含同类训练样本由多至少的规则按先后次序选取划分出的神经元作为神经网络的学成神经元，并将先学成的学成神经元与后学成的学成神经元按从小到大顺序排列，建立起训练好的基于同源的同类事物连通本性的PORBF网络；(2)识别步骤，将测试样本输入至上述PORBF网络中，检测每一个RBF神经元的输出，找出序号最小且为激活输出的神经元，将该神经元的类别作为网络的判决输出。