pnn设计PPT课件.pptx
《pnn设计PPT课件.pptx》由会员分享,可在线阅读,更多相关《pnn设计PPT课件.pptx(20页珍藏版)》请在咨信网上搜索。
1、主主 讲:周润景讲:周润景 教授教授单单 位:电子信息工程学院位:电子信息工程学院基于基于PNN的数据分类器设计的数据分类器设计1-目目 录录 概率神经网络简介概率神经网络简介基于基于PNN网络的聚类网络的聚类Matlab程序介绍及仿真结果程序介绍及仿真结果结论结论 2-一.概率神经网络o概率神经网 络(Probabilistic Neural Network,PNN)是 D.F.Specht 博士在 1 989 年首先提出的,它是径向基函数(Radial Basis Function,RBF)模型发展而来的一种前馈型神经网络,与传统的 RBF 不同,PNN是专门用于解决分类问题的人工神经网络
2、。其理论依据是贝叶斯最小风险准则(即 Bayes 决策理论),PNN将贝叶斯估计置于一个前馈神经网络中,其实质就是一个分类器,根据概率密度的无参数估计来进行 Bayes 决策从而得到分类结果,在分类和模式识别领域中被广泛应用。3-网络模型未知模式与标准模式间未知模式与标准模式间的相似度的相似度求和估计各类的概求和估计各类的概率率P(X|Ci)选出具有最大后验概选出具有最大后验概率的类别率的类别4-网络模型o输入层的传递函数是线性的,仅仅将输入样本完全不变的传递给模式层的各节点。o模式层与输入层之间通过连接权相连,进行加权求和,通过一个非线性算子运算后,传递给求和层。o求和层只是简单地将有对应样
3、本中同一类的模式层传来的输入(属于某类的概率)进行累加,即得到输入样本属于该类的最大可能性。o第四层是竞争层,它接收从求和层输出的各类概率密函数,概率密度最大的那个神经元输出为1,即所对应的那一类即为待识别的样本模式类别,其他神经元的输出全为 2,3,4。5-PNN网络的优点o训练速度快,其训练时间仅仅略大于读取数据的时间;o无论分类问题多么复杂,只要有足够训练样本,总可以保证获得贝叶斯准则下的最优解;o允许增加或减少训练样本而无需重新进行长时间训练。6-二.基于PNN网络的聚类设计o聚类步骤 第一步:采集数据 第二步:构建并训练网络;第三步:对网络进行测试;第四步:利用已经训练好的网络进行预
4、测。7-三.Matlab程序介绍及仿真结果o程序流程图:8-Matlab中的主要代码oPNN工具箱函数及仿真函数介绍lP=p1,p2,p3,p4,p5,p6,p7;%输入样本lTc%类别向量lT=ind2vec(Tc);%转为目标分类向量;lNet=newpnn(P,T,spread);%创建一个PNN网络lY=sim(net,P);%仿真lYc=vec2ind(Y);%转为类别向量输出9-Matlab中的主要代码o输出数据分类的图形程序lf1=ac;%ac为分类标号lindex1=find(f1=1);%输出第一类数据lindex2=find(f1=2);%输出第二类数据lindex3=fi
5、nd(f1=3);%输出第三类数据lindex4=find(f1=4);%输出第四类数据10-Matlab中的主要代码o完整程序代码clear;clc;%网络训练样本pConvert=importdata(C:UsersAdministratorDesktopRBFrbf_train_sample_data.dat);p=pConvert;%训练样本的目标矩阵t=importdata(C:UsersAdministratorDesktopRBFrbf_train_target_data.dat);plot3(p(1,:),p(2,:),p(3,:),o);grid;box;for i=1:29
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- pnn 设计 PPT 课件
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【胜****】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【胜****】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。