脈沖星候選體選擇是脈沖星搜尋任務(wù)中的重要步驟.為了提高脈沖星候選體選擇的準確率,提出了一種基于自歸一化神經(jīng)網(wǎng)絡(luò)的候選體選擇方法.該方法采用自歸一化神經(jīng)網(wǎng)絡(luò)、遺傳算法、合成少數(shù)類過采樣這三種技術(shù)提升對脈沖星候選體的篩選能力.利用自歸一化神經(jīng)網(wǎng)絡(luò)的自歸一化性質(zhì)克服了深層神經(jīng)網(wǎng)絡(luò)訓(xùn)練中梯度消失和爆炸的問題,大大加快了訓(xùn)練速度.為了消除樣本數(shù)據(jù)的冗余性,利用遺傳算法對脈沖星候選體的樣本特征進行選擇,得到了最優(yōu)特征子集.針對數(shù)據(jù)中真實脈沖星樣本數(shù)極少帶來的嚴重類不平衡性,采用合成少數(shù)類過采樣技術(shù)生成脈沖星候選體樣本,降低了類不平衡率.以分類精度為評價指標,在3個脈沖星候選體數(shù)據(jù)集上的實驗結(jié)果表明,本文提出的方法能有效提升脈沖星候選體選擇的性能.

【文章頁數(shù)】：8 頁


本文編號：3891807