Optimization Feature Compression and FNN Realization
Optimization Feature Compression and FNN Realization
复制标题
优化特征压缩和FNN实现
DOI：
10.1007/978-3-540-37256-1_124
复制
发表时间：
2006
期刊：
影响因子：
--
通讯作者：
中科院分区：
文献类型：
--
作者：
特征压缩是模式识别中最重要的步骤之一。本文首先基于最小平方误差准则，给出了离散K-L变换。根据信息熵函数的思想，我们提出了两个新的信息熵函数--信息密度函数(EDF)和表示熵(RE)，用于度量数据矩阵X的信息量。其次，提出了一种优化的特征压缩方法，并首次提出了用特征压缩比(FCR)和累积特征压缩比(AFCR)来度量信息压缩程度。最后，我们提出了一种自适应前馈神经网络(FNN)和改进的自适应FNN来实现优化特征压缩。该方法可应用于生物学、生物数学、生态学、生物信息科学等领域的优化特征压缩。
Feature compression is one of the most importmant steps in pattern recognition. In this paper, based on minimum squared error (MSE) rule, we first give discrete K–L transform (DKLT). According to idea of entropy function, we propose two new entropy functions-entropy density function (EDF) and representation entropy (RE), by which we can metricize information content of data matrix X. Secondly, an optimization feature compression is put forward and information compression degree is measured by feature compression rate (FCR) and accumulated feature compression rate (AFCR) proposed by authors firstly. In the end, we give an adaptive feedforward neural network (FNN) and improved adaptive FNN to realize optimization feature compression This method can be applied in Biology, Biomathematics, Ecology, and Bioinformation Science and so on for optimization feature compression.
登录
查看更多内容
DOI：
10.1016/c2009-0-27872-x
发表时间：
1972
期刊：
影响因子：
--
作者：
H. Shimodaira;Iain Murray
通讯作者：
Iain Murray
DOI：
10.1002/0470854774.ch1
发表时间：
2006
期刊：
--
影响因子：
--
作者：
P. Pudil;P. Somol;M. Haindl
通讯作者：
P. Pudil;P. Somol;M. Haindl
影响因子：
--
作者：
SHANNON, CE
通讯作者：
SHANNON, CE
DOI：
--
发表时间：
2001
期刊：
Journal of Test and Measurement Technology
影响因子：
--
作者：
Li Ting
通讯作者：
Li Ting
影响因子：
--
作者：
SHANNON, CE
通讯作者：
SHANNON, CE