基于FPGAANN系统设计及其在盲人导行系统中应用4.docVIP

咔嚓大学硕士学位论文 基于BNN的监督模式分类器算法的研究与改进基于BNN的监督模式分类器第一章介绍了布尔神经网络（Boolean Neural Network, BNN）的基本结构、算法和应用，BNN经过改进被应用到两种监督模式分类器中[24]，它们分别是最近邻分类器（Nearest-to-Exemplar, NTE）和k最近邻布尔型分类器（Boolean k-nearest neighbor, BKNN）。NTE和BKNN的区别在于，前者不可调测试模式与训练样本的距离（即没引进吸引半径ROA的应用），后者通过调节ROA的大小可达到模糊分类的目标。下面详细介绍基于BNN的监督模式分类器。已知N个C类的训练模式，（，），其中为类的训练模式的数目，为总的模式类别数。给定一测试模式，基于BNN的监督模式分类器作出如下判断：若，，则。其中是模式的各近邻中属于类的数目。基于BNN的监督模式分类器的拓扑结构基于BNN的监督模式分类器的拓扑结构如图4.1示，是一个三层的神经网络。第一层为训练节点层（），共有N个神经元，对应于训练模式的总数，它们接收来自输入单元的n维分量；第二层为类节点层（），共有个神经元，对应于输入模式的类别数，每个类节点的阈值都被预设为1；第三层是输出层，有两个神经元：模糊神经元CA和拒绝神经元CR。当类别层有两个或两个以上的神经元Ci被激活时，CA被激活；当类别层所有神经