基于欧氏距离提高人工神经网的识别精度的方法
Based-on Euclidean Distance Method for Improving the Classification Errors of Artificial Neural Networks作者机构：济南大学信息科学与工程学院山东济南250022
出 版 物：《小型微型计算机系统》 (Journal of Chinese Computer Systems)
年 卷 期：2004年第25卷第10期
页 面：1785-1787页
核心收录：
学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术（可授工学、理学学位）]
基 金：国家自然科学基金 ( 6990 2 0 0 5 )资助
摘 要：介绍了 Probabilistic Neural Networks(PNN)网的结构和算法 ,给出了点积和生长等相关概念的定义 ,研究了它们的性质 ,并用生长的方法改造训练样本集以便提高识别精度 .在模拟实验中 ,直接使用 PNN的算法 ,不能对水泥强度测试样本正确分类 ,使用本文提出的方法 ,能够对水泥强度的测试样本正确分类 ,识别率达到 10 0 % 。
维普期刊数据库
同方期刊数据库