[發明專利]一種基于脈沖神經網絡的特征分類方法及系統

在審

• 申請號: 201810936803.6
• 申請日: 2018-08-16
• 公開（公告）號: CN109102027A
• 公開（公告）日: 2018-12-28
• 發明（設計）人: 王上
• 申請（專利權）人: 王上
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46
• 代理公司: 北京酷愛智慧知識產權代理有限公司 11514
• 代理人: 向霞

1.一種基于脈沖神經網絡的特征分類方法，其特征在于，

設置輸入層每個神經元的輸入數據，所述輸入數據由本質特征數據和量的數據組成，將輸入層的神經元數據傳遞到到隱含層；

隱含層通過對輸入的不同神經元的數據組合進行計算得到隱含層的每個神經元的輸出值，并將隱含層的輸出值傳遞到輸出層；

輸出層將輸入層和隱含層的各個神經元的輸出的量的數據進行對比計算，選擇并標注出最大值神經元的數據作為分類結果。

2.如權利要求1所述的基于脈沖神經網絡的特征分類方法，其特征在于，所述本質特征數據為信號幅度，所述量的數據為信號頻率。

3.如權利要求2所述的基于脈沖神經網絡的特征分類方法，其特征在于，所述隱含層包括數據特征組合層和特征分類層，將輸入層的每個神經元視為形成區域組合的基礎要素，所述數據特征組合層將不同位置的多個神經元進行區域組合形成角、線、面、弧特征單元；所述特征分類層將所述不同的區域組合形成角、線、面、弧特征數據與設定的閥值進行對比，輸出區域組合位置的角、線、面、弧基礎特征。

4.如權利要求3所述的基于脈沖神經網絡的特征分類方法，其特征在于，所述隱含層還包括特征分類組合層和特征分類對比層；所述特征分類組合層將由多個區域組合位置的角、線、面、弧基礎特征形成不同圖形，所述特征分類對比層將形成不同圖形的基礎特征數據與設定的閥值進行對比，輸出組成不同圖形的特征神經元的位置特征數據和量的數據。

5.如權利要求4所述的基于脈沖神經網絡的特征分類方法，其特征在于，所述隱含層還包括差分輸出層，所述差分輸出層將組成不同圖形的特征神經元的位置特征數據和量的數據與鄰近的特征神經元進行差分比較，輸出頻率不同的特征神經元。

6.一種脈沖神經網絡系統，其特征在于，包括輸入層、隱含層和輸出層，所述輸入層用于將每個神經元的輸入數分解為本質特征數據和量的數據，將神經元數據傳遞到到隱含層；所述隱含層對輸入的不同神經元的數據組合進行計算得到隱含層的每個神經元的輸出值，并將隱含層的輸出值傳遞到輸出層；所述輸出層用于將輸入層和隱含層的各個神經元的輸出的量的數據進行對比計算，選擇并標注出最大值神經元的數據作為分類結果。

7.如權利要求6所述的脈沖神經網絡系統，其特征在于，所述本質特征數據為幅度數據，所述量的數據為頻率數據。

8.如權利要求7所述的脈沖神經網絡系統，其特征在于，所述隱含層包括數據特征組合層和特征分類層，將輸入層的每個神經元視為形成區域組合的基礎要素，所述數據特征組合層用于將不同位置的多個神經元進行區域組合形成角、線、面、弧特征單元；所述特征分類層用于將所述不同的區域組合形成角、線、面、弧特征數據與設定的閥值進行對比，輸出區域組合位置的角、線、面、弧基礎特征。

9.如權利要求8所述的脈沖神經網絡系統，其特征在于，所述隱含層還包括特征分類組合層和特征分類對比層；所述特征分類組合層將由多個區域組合位置的角、線、面、弧基礎特征形成不同圖形，所述特征分類對比層將形成不同圖形的基礎特征數據與設定的閥值進行對比，輸出組成不同圖形的特征神經元的位置特征數據和量的數據。

10.如權利要求9所述的脈沖神經網絡系統，其特征在于，所述隱含層還包括差分輸出層，所述差分輸出層將組成不同圖形的特征神經元的位置特征數據和量的數據與鄰近的特征神經元進行差分比較，輸出頻率不同的特征神經元。