基于改进脉冲耦合神经网络的数据降噪方法研究.pdf

《基于改进脉冲耦合神经网络的数据降噪方法研究.pdf》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2期机械设计与制造2015年2月MachineryDesign&Manufacture基于改进脉冲耦合神经网络的数据降噪方法研究张文兴，闰海鹏，王建国(内蒙古科技大学机械工程学院，内蒙古包头014010)摘要：为了解决数据中存在噪声点降低了数据的质量，影响了对数据进一步分析的可靠性等问题，提出了一种基于改进脉冲耦合神经网络(pulsecoupledneuralnetwork，PCNN)的数据降噪方法。该方法在保留基本PCNN模型一些特性的基础上将其简化，省去了部分参数的设置，并改进突触链接强度为自适应取值，添加了

2、记录神经元点火次数的点火频次矩阵。根据神经元点火次数辨识并滤除噪声点，使得该方法能够简单有效地对数据进行降噪处理，改善了数据质量。实验结果表明了该方法不仅能够有效滤除低维数据中的噪声点，而且对高维数据中的噪声点去除效果较好，且均较好保持了原有数据的特征信息。关键词：数据降噪；改进脉冲耦合神经网络；改进突触链接强度；点火频次矩阵；数据质量中图分类号：TH16；TP391文献标识码：A文章编号：1001—3997(2015)02—0025—04ResearchonDataNoiseReductionMethodBase

3、donModifiedPCNNZHANGWen-xing，YANHai—peng，WANGJian—guo(SchoolofMechanicalEngineering，InnerMongoliaUniversityofScienceandTechnology，InnerMongoliaBaotou014010，China)Abstract：Tosolvetheissuesthatthequalityofdataisreducedandthereli~ilityofthefurtheranalysisfordatai

4、safectedduetothenoisepointsindata，adatanoisereductionmethodbasedonmodifedPCNNispresented．Itismodifedthato~noZPCNNmodelforthemethod，andthebasiccharacteristicsofPCNNmodelisretained．Themethodsavessomeparameterssetting，thesynapticconnectionstrengthisimprovedasadap

5、tivevalueandanignitionfrequencymatrixisadded．Itc觎recordfiredtimeofneurons．NoisepointsareidentifedandfilteredaccordingtothefiredtimeofneuFol?~．sothatthemethodeolzdenoisesimplyandefectivelyfordata，anddataquali~isimproved．Theexperimentalresultsshowthatthemethodno

6、tonlycanfilteroatthenoisepointsefectivelyinthelowdimensionaldata，butalsoremovaleffectforthenoisepointsinhighdimensionaldataisalsowell，andbothhavethecharacteristicinformationoftheoriginaldata．KeyWords：DataNoiseReduction；ModifiedPCNN；ModifiedSynapficConnectionSt

7、rength；IgnitionFrequencyMa—trix；DataQuality1引言经网络，能够比传统的人工神经网络更准确地模拟生物学特性。近年来，随着生物神经学的研究和进展，PCNN模型已被广泛应噪声数据将会影响数据的整体质量，从而导致人对数据特用于模式识别、故障诊断、图像处理等许多领域／9-11／，尤其在图像融征的不准确分析、判断，特别是在逆向工程中，数据中存在噪声合、图像分割、图像降噪等图像处理方面应用更为广泛Ⅱ。其中文点，将会导致运算结果误差更大，甚至无法完成该项工程。因此，献喂出一种由PCNN赋时

8、矩阵定位噪声，然后对噪声点分类滤波对数据进行降噪处理，提高数据质量尤为重要[]-51。在各领域数据同时具备可灵活改变灰度步长特I生的高斯噪声及混合噪声滤波新降噪中，多用小波变换及其改进方法对数据降噪，但小波基函算法，该算法能有效滤除噪声且对图像的细节信息保持较好。为了数和分解层数难以确定，实现起来较为困难。有效去除数据中的噪声点，根据PCNN对图像具有良好的