如何利用海鸥算法优化PNN神经网络进行数据分类并附Matlab代码实现?
- 内容介绍
- 文章标签
- 相关推荐
本文共计549个文字,预计阅读时间需要3分钟。
1. 简介概率神经网络(PNN)是一种利用贝叶斯定理和基于风险最小的贝叶斯决策规则对新型样本进行分类的神经网络。它具有训练时间短且不易受到局部极值的影响的优点。
1 简介
概率神经网络(Probabilistic Neural Network,简称PNN)是利用贝叶斯定理和基于风险最小的贝叶斯决策规则对新样本进行分类的神经网络,具有训练时间短且不易收敛到局部极值的优点,但是传统PNN采用相同平滑系数容易导致识别率低和误分类的问题,其次平滑系数对分类结果影响巨大并且难以确定,模式层神经元数目由训练样本数目确定,当训练样本集规模巨大时,导致网络结构复杂。
本文共计549个文字,预计阅读时间需要3分钟。
1. 简介概率神经网络(PNN)是一种利用贝叶斯定理和基于风险最小的贝叶斯决策规则对新型样本进行分类的神经网络。它具有训练时间短且不易受到局部极值的影响的优点。
1 简介
概率神经网络(Probabilistic Neural Network,简称PNN)是利用贝叶斯定理和基于风险最小的贝叶斯决策规则对新样本进行分类的神经网络,具有训练时间短且不易收敛到局部极值的优点,但是传统PNN采用相同平滑系数容易导致识别率低和误分类的问题,其次平滑系数对分类结果影响巨大并且难以确定,模式层神经元数目由训练样本数目确定,当训练样本集规模巨大时,导致网络结构复杂。

