基于并行结构的gabor小波神经网络算法及应用

《基于并行结构的gabor小波神经网络算法及应用》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第１４卷第２期光学精密工程Ｖｏｌ．１４Ｎｏ．２２００６年４月ＯｐｔｉｃｓａｎｄＰｒｅｃｉｓｉｏｎＥｎｇｉｎｅｅｒｉｎｇＡｐｒ．２００６文章编号１００４９２４Ｘ（２００６）０２０２４７０４基于并行结构的犌犪犫狅狉小波神经网络算法及应用许廷发１，２，韦岗１，倪国强２（１．华南理工大学电子与信息学院，广东广州５１０６４０；２．北京理工大学信息科学技术学院光电工程系，北京１０００８１）摘要：给出了一种基于并行结构的Ｇａｂｏｒ小波神经网络算法。根据多ＣＰＵ系统的并行结构和神经网络本身并行性的特点，设计了用于图象目标识别的Ｇａｂｏｒ小波神经网络算法，算法的输入层包括Ｇａｂｏｒ小波尺度、平

2、移和频率调制参数的运算；隐层是在并行ＣＰＵ中实现神经网络算法及优化；输出层是Ｇａｂｏｒ小波神经网络的分类结果。对４类飞机图像目标进行了仿真实验，识别率达到９８％以上，识别时间为４０ｍｓ。关键词：目标识别；Ｇａｂｏｒ小波神经网络；多ＣＰＵ；并行结构中图分类号：ＴＰ１８３文献标识码：Ａ犌犪犫狅狉狑犪狏犲犾犲狋狀犲狌狉犪犾狀犲狋狑狅狉犽犪犾犵狅狉犻狋犺犿犫犪狊犲犱狅狀狆犪狉犪犾犾犲犾狊狋狉狌犮狋狌狉犲１，２，ＷＥＩＧａｎｇ１，ＮＩＧｕｏｑｉａｎｇ２ＸＵＴｉｎｇｆａ（１．犆狅犾犾犲犵犲狅犳犈犾犲犮狋狉狅狀犻犮狊犪狀犱犆狅犿犿狌狀犻犮犪狋犻狅狀犈狀犵犻狀犲犲狉犻狀犵．犛狅狌狋犺犆犺犻狀犪

3、犝狀犻狏犲狉狊犻狋狔狅犳犜犲犮犺狀狅犾狅犵狔犌狌犪狀犵狕犺狅狌５１０６４０，犆犺犻狀犪；２．犇犲狆犪狉狋犿犲狀狋狅犳犗狆狋犻犮犪犾犈狀犵犻狀犲犲狉犻狀犵，犆狅犾犾犲犵犲狅犳犐狀犳狅狉犿犪狋犻狅狀犛犮犻犲狀犮犲犜犲犮犺狀狅犾狅犵狔，犅犲犻犼犻狀犵犐狀狊狋犻狋狌狋犲狅犳犜犲犮犺狀狅犾狅犵狔，犅犲犻犼犻狀犵１０００８１，犆犺犻狀犪）犃犫狊狋狉犪犮狋：ＡＧａｂｏｒｗａｖｅｌｅｔｎｅｕｒａｌｎｅｔｗｏｒｋａｌｇｏｒｉｔｈｍｗａｓｐｒｅｓｅｎｔｅｄｂａｓｅｄｏｎｐａｒａｌｌｅｌｓｔｒｕｃｔｕｒｅ．ＡｃｃｏｒｄｉｎｇｔｏｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｍｕｌｔｉＣＰＵｐａｒａｌｌｅｌ

4、ｓｔｒｕｃｔｕｒｅａｎｄｎｅｕｒａｌｎｅｔｗｏｒｋｐａｒａｌｌｅｌ，ｔｈｅａｌｇｏｒｉｔｈｍｆｏｒｒｅｃｏｇｎｉｚｉｎｇｉｍａｇｅｔａｒｇｅｔｗａｓｄｅｓｉｇｎｅｄｂａｓｅｄｏｎｔｈｅＧａｂｏｒｗａｖｅｌｅｔｎｅｕｒａｌｎｅｔｗｏｒｋ．Ｔｈｅａｌｇｏｒｉｔｈｍｉｎｐｕｔｌａｙｅｒｉｎｖｏｌｖｅｄｏｐｅｒａｔｉｏｎｏｎｓｃａｌｅ，ｔｒａｎｓｌａｔｉｏｎａｎｄｆｒｅｑｕｅｎｃｙｍｏｄｕｌａｔｅｄｐａｒａｍｅｔｅｒｏｆＧａｂｏｒｗａｖｅｌｅｔ，ｔｈｅｈｉｄｅｌａｙｅｒｒｅａｌｉｚｅｄａｎｄｏｐｔｉｍｉｚｅｄｔｈｅｎｅｕｒａｌｎｅｔｗｏｒｋａｌｇｏｒｉｔｈｍｏｎｐａｒａｌｌｅｌＣＰＵ

5、ａｎｄｔｈｅａｌｇｏｒｉｔｈｍｏｕｔｐｕｔｌａｙｅｒｇａｖｅｔｈｅｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎｒｅｓｕｌｔｏｆＧａｂｏｒｗａｖｅｌｅｔｎｅｔｗｏｒｋａｌｇｏｒｉｔｈｍ．Ｔｈｅｓｉｍｕｌａｔｉｏｎｅｘｐｅｒｉｍｅｎｔｗａｓｐｒｏｃｅｓｓｅｄｂｙｆｏｕｒｔｙｐｅｓｐｌａｎｅｉｍａｇｅｔａｒｇｅｔｓ，ａｎｄｔｈｅｒｅｓｕｌｔｓｉｎｄｉｃａｔｅｔｈａｔｔｈｅｒｅｃｏｇｎｉｔｉｏｎｒａｔｅｉｓ９８％，ｒｅｃｏｇｎｉｔｉｏｎｔｉｍｅｉｓ４０ｍｓ．犓犲狔狑狅狉犱狊：ｔａｒｇｅｔｒｅｃｏｇｎｉｔｉｏｎ；Ｇａｂｏｒｗａｖｅｌｅｔｎｅｕｒａｌｎｅｔｗｏｒｋ；ｍｕｌｔｉＣＰＵ；ｐａｒａｌｌｅｌｓ

6、ｔｒｕｃｔｕｒｅ［１］确提出了小波网络的概念和算法后，出现了各１引言种小波神经网络模型，如Ｐａｎ和Ｋｒｉｓｈｎａｐｒａｓａｄ［２］的离散仿射小波神经网和Ｓｔｅｐｈａｎｏｐｏｕｌｏｕ的［３］自１９９２年ＺｈａｎｇＱｉｎｇｈｕａ和Ｂｅｎｖｅｎｉｓｔｅ明正交多分辨小波神经网络，ＺｈａｎｇＪｕｎ等提出收稿日期：２００５０９２６；修订日期：２００５１１２５．基金项目：国家“８６３”计划项目（２００２ＡＡ７８３０５０）２４８光学精密工程第１４卷的基于类紧支特性的尺度函数的正交小波基神经分类的Ｇａｂｏｒ小波神经网络的结构，是一种典型［４］网络，时宇、张贤达提出的Ｇａｂｏｒ原子神经网的多层

7、前馈式神经网络，目的是将犖组图象目标［５］络在雷达目标识别中的应用等。小波神经网络分成犘类，因此，网络的输入为｛狓，犻＝１，２，…，犻继承了小波和神经网络的优点，通过训练，自适应犖｝，输出狔犿，犿＝１，２，…，犕，确定目标的类别，如地调整小波基的形状实现小波变换，具有良好的犕＝４时，用狔１，狔２，狔３，狔４＝１０００，０１００，００１０，函数逼近能力和模式分类能力。己经证明，小波０００１表示输出结果是１，２，３，４类目标。神经网络在逼近单变量函数时是渐近最优的逼近器。