基于概率神经网络和K-L散度的样例选择

提出了一种基于概率神经网络和K-L散度的样例选择算法。该算法利用概率神经网络估计训练样例的概率分布, 利用K-L散度作为启发式来进行样例选择, 用该方法选出的样例大多分布在分类边界附近。与五个著名的样例选择算法CNN、ENN、RNN、MCS和ICF进行了实验比较, 实验结果显示, 算法的选择比更低, 训练出分类器具有更好的泛化能力, 提出的方法是有效的。     

遗传神经网络在煤炭企业物资分类中的应用

在快速变化的市场和越发剧烈的行业竞争中,煤炭企业原有人工物资分类方法暴露出越来越多的缺陷.以供求度、价值度以及供应效率三个指标为输入提出了基于遗传优化的BP神经网络的分类方法,对企业物资分类管理策略进行了优化研究.通过Matlab仿真,验证了该模型的科学性与准确性.     

基于概率粗糙集模型的信息检索

针对经典粗糙集模型难以分类标引空间以及体现类间关联的缺陷,将条件概率关系结合粗糙集理论引入信息检索,提出一种基于概率粗糙集的信息检索模型。定义标引词空间的条件概率关系,自动挖掘概念相似类形成概念空间。定义文档与查询、文档与文档间语义贴近度的计算方法。根据贴近度实现检索匹配结果的排序输出。仿真实例表明了该方法的可行性和有效性。     

基于Bagging的概率神经网络集成分类算法

目前的神经网络较多集中在以BP算法为基础的BP神经网络上。针对BP神经网络的不足,在分析研究概率神经网络和机器学习的基础上,结合集成学习的思想,提出了基于Bagging的概率神经网络集成分类算法。理论分析和实验结果都表明,提出的算法能够有效地降低分类误差,提高分类准确率,具有较好的泛化能力以及较快的执行速度,能够取得比传统的BP神经网络分类方法更好和更稳定的分类结果。     

基于BP的油田产能成功度综合后评价模型研究

详细分析油田产能建设项目后评价相关指标,及其对最终综合后评价结果的影响之间的关系,建立油田产能建设项目综合后评价模型.基于成功程度综合后评价模型,在评价标准相对隶属度成功应用的基础上,进行模糊处理,用神经网络来改善的评价模型,增高评价结果的准确性.该模型不但弥补了传统成功度模型主观估计权重的缺陷,并考虑到各个评价指标对综合后评价结果的影响,科学、客观地评价项目,实验结果证明了该方法的有效性.     

结合概率型神经网络(PNN)和学习矢量量化(LVQ)算法的文本分类方法

针对文本自动分类问题,提出一种基于概率型神经网络(PNN)和学习矢量量化(LVQ)相结合的文本分类算法,该方法借助TFIDF方法提取文本特征及特征值,形成文本分类特征向量,利用概率型神经网络构建分类模型,并利用LVQ学习算法对神经网络模型竞争层网络进行学习,使相应模式向量相互靠拢,远离其他模式,从而实现文本分类.实验结果表明,提出的该方法在文本分类中表现了很好的效果,不仅具有很好的分类准确率,还表现出很好的学习效率.     

基于粗糙集和模糊神经网络的空气质量评价

针对概率神经网络的输入量过多会影响其训练速度的问题,采用了基于分辨矩阵的粗糙集属性约简方法,删除不相关或不重要的指标.鉴于空气质量分级标准的模糊性,将模糊数学和概率神经网络结合起来,构建了模糊概率神经网络空气质量评价模型(FPNN),然后将约简后的指标值进行模糊化处理后输入到PNN神经网络进行智能训练.实例表明.该方法提高了收敛速度,评价结果客观可靠,具有一定的实用价值.     

基于径向基概率神经网络的植物叶片自动识别方法

提出一种将Gabor小波和神经网络相结合应用于植物叶片自动识别的方法.该方法对活体植物图像进行多尺度Gabor纹理特征提取,再使用一种径向基概率神经网络模型进行分类识别.实验结果验证该方法的有效性.     

动态系统实际故障可诊断性的量化评价研究

提出了一种新颖的动态系统实际故障可诊断性量化评价方法. 该方法无需设计任何诊断算法, 仅通过解析模型即可给出动态系统故障检测和隔离的难易程度, 从而为实现在系统设计阶段提高故障诊断能力的工程目标提供理论指导和参考依据. 首先, 通过标准化模型和等价空间变换, 将状态空间描述的随机动态系统实际故障可诊断性评价问题转化为概率统计中多元分布相似度判别的数学问题; 然后, 根据严格的数学证明, 指出距离相似度判别准则在进行可诊断性量化评价中存在的不足. 进而, 为弥补该不足, 利用故障矢量的分布概率以及不同故障矢量之间的余弦相似度, 设计基于方向相似度的可诊断性量化评价新方法; 最后, 通过数学仿真验证该方法的有效性和优越性.     

基于可能度矩阵的概率语言多属性决策方法

为解决两个概率语言术语集之间的优劣比较这一基本问题,在已有可能度计算方法的基础上,提出一种改进的可能度公式.该可能度公式能够克服已有可能度公式的缺点,具有计算过程简单、区分能力强、易于拓展应用等特点.进一步研究发现:基于该可能度公式对多个评估对象进行两两比较得到的可能度矩阵,具有加性一致性的模糊互补偏好关系;将多个可能度矩阵加权平均得到的综合可能度矩阵,也具有加性一致性的模糊互补偏好关系.据此,构建一种概率语言多属性决策方法,并将其应用于军队院校教育教学质量评价.数值实验表明,所提出的概率语言多属性决策方法结构简单、计算过程清晰且具有较强的自检能力,能够通过确保计算过程的正确性来保证决策结果的有效性.     

矿用宽电压自适应防爆本质安全型电源设计

针对煤矿井下供电电源输入电压等级多、用电设备易受到大型设备启停影响的特点,提出了宽电压自适应防爆本质安全型电源设计方案。该电源采用智能移相调压技术和宽电压开关电源技术,通过单片机实现了85～825V宽输入电压的自动高低压段识别、自动切换、智能移相调压处理;通过脉宽调制方式将波动的电压转换为稳定的直流电压。实验结果表明,该方案很好地解决了矿井电源多电压等级、输入电压波动范围大的问题。     

矿用隔爆兼本质安全型不间断直流稳压电源的设计

基于本质安全型电源的原理及特点,提出了一种矿用隔爆兼本质安全型不间断直流稳压电源的设计方案,详细介绍了该电源主要电路的设计。该电源采用LM317可调稳压芯片实现稳压功能,具有使用方便、电路简单、变换效率高、成本低等优点。测试结果表明,该电源达到了本安标准,满足了安全型电气设备的需求。     

一种改进概率神经网络的工业控制系统安全态势评估方法

工业控制系统是用于工业环境中监视和控制物理设备的互连设备系统,近年来日益遭受层出不穷的各类新型攻击.针对工业控制系统的运行安全问题,文章提出一种改进概率神经网络的工业控制系统安全态势评估方法.该方法首先对收集到的工控数据进行预处理,并利用主成分分析法对数据进行降维;然后使用改进的果蝇优化算法对概率神经网络的参数进行优化...     

Classification of MRI brain images using combined wavelet entropy based spider web plots and probabilistic neural network

Magnetic resonance imaging (MRI) is a non-invasive diagnostic tool very frequently used for brain imaging. The classification of MRI images of normal and pathological brain conditions pose a challenge from technological and clinical point of view, since MR imaging focuses on soft tissue anatomy and generates a large information set and these can act as a mirror reflecting the conditions of the brain. A new approach by integrating wavelet entropy based spider web plots and probabilistic neural network is proposed for the classification of MRI brain images. The two step method for classification uses (1) wavelet entropy based spider web plots for the feature extraction and (2) probabilistic neural network for the classification. The spider web plot is a geometric construction drawn using the entropy of the wavelet approximation components and the areas calculated are used as feature set for classification. Probabilistic neural network provides a general solution to the pattern classification problems and the classification accuracy is found to be 100%.     

基于神经网络的变压器故障诊断方法研究

针对概率神经网络(PNN)模型强大的非线性分类能力,PNN能够很好地对变压器故障进行分类;文章通过对PNN神经网络的结构和原理的分析,应用PNN概率神经网络方法对变压器故障进行诊断;通过实例仿真表明,PNN网络的训练时间比BP网络少,比之预测准确度也要高,而且还具有高度的泛化能力,这使得PNN网络可以有效地运用到变压器故障诊断中,具有一定的可操作性。     

中国煤矿机电设备一体化管理系统

开发了迄今为止我国第一套网络化大型煤矿机电设备计算机管理系统。该系统的推广使用，可提高煤矿设备的科学管理水平和设备的综合使用率，从而带动了经济效益的提高，是我国煤矿管理信息化的一项重要举措。     

基于PNN的煤炭输送机减速器齿轮故障诊断

针对煤炭输送机减速器出现的故障,提出在多信息融合模型的特征层使用概率神经网络(PNN)对其进行故障诊断的研究。使用PNN、BP对减速器齿轮故障进行仿真实验并比较,结果表明PNN在时间、准确度方面优于BP网络。     

基于差异演化概率神经网络的纹理图像识别

引入差异演化（DE）算法来弥补基本概率神经网络的不足,从而提出一种基于差异演化概率神经网络的纹理图像识别方法。首先用树形结构小波包变换提取纹理图像的能量特征,用基于统计的纹理特征方法提取统计均值、平均能量、标准差和平均残余特征,得到纹理图像的特征矢量;然后用差异演化概率神经网络训练纹理图像的特征矢量,从而实现纹理图像的识别。实验结果表明：该方法较BP神经网络、RBF神经网络和基本的PNN有更高的识别正确率,且收敛更快。     

一种新的退化交通标志图像的分类算法研究

为了识别退化的交通标志图像,提出了一种新的分类算法。该算法在处理图像的退化问题时,采用模糊—仿射不变距直接提取图像的特征而不需要图像的清晰化处理;在利用模糊—仿射不变距提取图像特征的基础上,采用递归正交最小二乘算法设计了一种新的径向基概率神经网络分类器。仿真结果表明:模糊—仿射不变距是一种有效的处理退化的交通标志图像的方法,所设计的径向基概率神经网络分类器不仅具有精简的结构,而且,具有较好分类和推广性能。     

Conception of complex probabilistic neural network system for classification of partial discharge patterns using multifarious inputs

Pattern recognition has a long history within electrical engineering but has recently become much more widespread as the automated capture of signal and images has been cheaper. Very many of the application of neural networks are to classification, and so are within the field of pattern recognition and classification. In this paper, we explore how probabilistic neural networks fit into the earlier framework of pattern recognition of partial discharge patterns since the PD patterns are an important tool for diagnosis of HV insulation systems. Skilled humans can identify the possible insulation defects in various representations of partial discharge (PD) data. One of the most widely used representation is phase resolved PD (PRPD) patterns. Also this paper describes a method for the automated recognition of PRPD patterns using a novel complex probabilistic neural network system for the actual classification task. The efficacy of composite neural network developed using probabilistic neural network is examined.