作　　者： ; ; ;

机构地区： 广东科技学院

出　　处： 《微电子学与计算机》 2015年第5期73-78,83,共7页

摘　　要： 基于PLS的概率神经网络分类算法利用PLS的自变量的部分主成分替代PNN输入,利用因变量的极大无关组替代输出,从而实现降维,同时新算法利用有限数量的模式组合神经元替代大量样本神经元,从而极大地简化了网络,优化了结构;最后将该算法应用于实践,表明新算法以较小的代价就能获得和传统的PNN相当的分类性能. This paper proposes a probabilisty neural network classification algorithm based on PLS,the algorithm insteads the PNN input and output with the principal component of PLS,so as to achieve dimensionality reduction,and uses limited pattern neuron alternative sample neurons,thereby greatly simplifies the network,optimizes the structure;finally,the new algorithm is applied into practice,the result shows that the new algorithm with less cost can obtain equivalent classification performance which the traditional PNN has.

关 键 词： 概率神经网络 偏最小二乘法 残差矩阵 主成分 高维

领　　域： [自动化与计算机技术] [自动化与计算机技术]