基于混沌深度小波网络的数据分类方法

摘要

本发明公开了一种基于混沌深度小波网络的数据分类方法，主要解决现有技术中人工参与过多、分类正确率较低和可移植性不强等问题。其实现主要是：构建混沌深度小波网络，逐层提取输入数据在不同深度层次的特征；在网络学习时用混沌模拟退火算法对分层网络和整体网络参数寻优得到分类网络；将待分类数据输入网络得到分类结果。本发明通过构建混沌深度小波网络，自动对数据进行特征提取，获得数据更丰富的特征表述，避免人工参与，消除不确定因素，提高分类正确率；训练网络时用混沌模拟退火方法，降低网络训练时间，提高分类性能。本发明可移植性强，普适性强，可用于数据分类、图像分类、场景分类、目标识别及数据预测分析。