技术简介
一种基于神经节分化的增量式目标识别系统,由低隐藏层、神经节层、高隐藏层和分类器构成,神经节层位于低隐藏层和高隐藏层之间;神经节层的神经节提取样本特征规律,通过神经节的激活和分化,在高隐藏层形成对应的独立的特征集,形成对样本的特征记忆;高隐藏层的特征集的数量可变;新增神经节对新样本形成新的记忆,自适应地更新高隐藏层的特征集,实现增量式的目标识别;所述的神经节是指用于表征一组分布规律相似的样本的神经网络结点,当输入样本特征参数大于激活阈值时,神经节被激活,该神经节在高隐藏层形成独立的特征集;被激活的神经节的活性小于阈值时,该神经节将凋亡;特征不同的样本激活不同的神经节,并新增神经节。