激光与红外

作者：原娇杰

单位：焦作大学 信息工程学院,河南 焦作 454003；

关键词：聚类神经网络;预分类处理;聚类度;异常信号识别

基金：河南省科技攻关计划项目(No.172102210390)资助。

为了提高光纤网络节点异常的识别准确率与识别速度,提出了一种基于聚类神经网络的节点异常识别算法。通过聚类计算完成输入数据的预分类,解决传统分类识别算法容易陷入局部最优的问题。将预分类后的测试数据分组作为输入层,并将聚类权值和聚类度作为隐藏层的加权系数,提高异常信号的识别度。实验对光纤网络中64个FBG节点进行测试,分别采用温度递变、重物撞击及周期振动模拟异常信号。对比实验结果显示,三种异常信号均存在的混叠条件下,本算法的识别准确率为803、928和916,比不进行预分类的神经网络算法提升了约20。在四种测试情况下,本算法的测试结果最优。对相同数据量测试时,本算法的速度仅为SVM算法的1/2,验证了本算法具有更好的时效性。

来源：2025年第3期

《激光与红外》期刊编辑部

查看激光与红外杂志2025年第3期