1) orthogonalization recurrence selection method
正交递归选择法
2) ROLSA
递归正交最小二乘算法
1.
The recursive orthogonal least square algorithm (ROLSA) is used to optimally select the hidden centers vectors of the radial basis probabilistic neural networks (RBPNN).
使用递归正交最小二乘算法(ROLSA)优选径向基概率神经网络(RBPNN)的隐中心矢量,微遗传算法(μGA)用于求解RBPNN最优核函数控制参数,并同ROLSA相结合(ROLS-μGA)来优化RBPNN的全结构(优选最优控制参数及隐中心矢量)。
3) incremental selection
递增选择算法
4) decremental selection
递减选择算法
6) Recursive Orthogonal Least Squares(ROLS)
递归正交最小二乘
1.
First,a set of features of input images are generated by the Principal Component Analysis (PCA),then the features are used as the inputs of RBF neural networks,Recursive Orthogonal Least Squares(ROLS) is implemented to train the RBF neural networks.
本文提出了一种基于递归正交最小二乘的径向基函数(RBF)网络人脸识别算法,该算法首先使用主成分分析(PCA)提取输入图像特征,将提取的特征作为RBF网络的输入进行识别,在求取网络权值时采用递归正交最小二乘(ROLS)算法。
补充资料：正交递归选择法
分子式：
CAS号：
性质：实验设计优化中一种新的变量筛选法。以预报残差平方和作为变量筛选判据；数据用格兰姆-施密特正交化分解；采用多方位搜索方式，即每次循环选出若干个候选变量，每个候选变量下次循环又产生各自新的候选变量。由于采用多方位搜索方式，使搜索范围增加，但正交化分解使计算量大大降低。此法可以得到预报能力较强的模型，在实际应用中能较有效地找到最优模型。
CAS号：
性质：实验设计优化中一种新的变量筛选法。以预报残差平方和作为变量筛选判据；数据用格兰姆-施密特正交化分解；采用多方位搜索方式，即每次循环选出若干个候选变量，每个候选变量下次循环又产生各自新的候选变量。由于采用多方位搜索方式，使搜索范围增加，但正交化分解使计算量大大降低。此法可以得到预报能力较强的模型，在实际应用中能较有效地找到最优模型。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条