基于PCA的BP神经网络分类器

由于入侵检测处理的多为高维数据,为了提高入侵检测的效率和准确率,提出了一种基于主成分分析(PCA)的特征提取方法,对数据源进行特征降维,将获得的主成分作为BP神经网络的输入进行数据识别.同时介绍了M atlab中相关函数,并与传统入侵检测方法进行了比较.实验结果表明:基于主成分分析的特征提取方法在简化BP神经网络规模的同时,显著提高了入侵检测识别效果.     

基于BP神经网络的科研绩效评价模型结构

文章论述了基于主成分分析法的BP模型结构,用新的方法来改进科研绩效评价系统统计的合理性和正确性。     

基于BP神经网络的辛烷值预测模型

提出了一种基于BP神经网络的辛烷值预测模型.由催化裂化汽油精制装置采集得到样本数据,首先利用主成分分析法对原始样本数据进行预处理,得到主要成分因子;其次构建BP神经网络模型,将得到的预测值与真实值进行对比,得到在训练集上的准确率为0.99922,在测试集上的准确率为91.31％,在训练集和测试集上的整体准确率为97.6...     

基于主成分分析的BP神经网络在岩性识别中的应用

提出一种将主成分分析和BP神经网络相结合的方法对测井资料进行岩性识别。首先将原始测井数据进行主成分分析,分析结果作为PCABP神经网络的学习样本进行训练,建立测井解释的PCA—BP神经网络岩性识别模型．并用该模型对测试样本进行识别。结果表明该方法同传统的BP神经网络相比．不仅简化了网络结构（网络的输入神经元个数由5个减少为2个）,网络收敛速度也加快了21％．而且识别的准确率提高了25％。     

大气污染BP神经网络预报模型及试报分析

针对丹东城区SO2污染的实际情况及与气象因子的关系,建立了基于主成分分析的BP神经网络预报模型,并在实际预报中进行了模拟、试报和应用、模型拟合及预报效果检验,结果发现:模型模拟值与实际值的变化趋势基本一致,模型可以用于各季SO2浓度预报。     

基于主成分分析法和BP神经网络的银行客户信用评价

为了加强商业银行对客户信用风险的事先控制,降低银行运营风险,需要对客户按信用等级进行分类,以便执行不同的信用风险控制策略。文中基于主成分分析法和BP神经网络法,建立了客户信用评价模型。结果表明,利用此信用风险评价模型能够准确地判断银行客户所处的信用等级,具有广泛的适用性。     

基于神经网络算法的无线网络安全模型研究

信息技术的快速发展使得信息安全问题愈发严峻,无线网络的广泛应用使得无线网络遭受到的安全威胁类型复杂多样.采用PCA和BP神经网络建立了无线网络安全模型,分析了无线网络安全问题.通过对无线网络传输数据的主成分分析,将获得的主成分分量作为BP神经网络的训练数据进行网络训练,获得攻击类型检测的网络安全模型.结果表明,PCA和...     

基于BP神经网络的时延水温控制系统设计

神经网络具有自组织、自学习、自适应的特点,近年来随着计算机技术的发展,为其网络优异的函数逼近性能和分类性能应用于工程提供了硬件基础,神经网络由于其大多结构简单,算法易于理解和使用,有利于工程人员应用解决实际问题。本文介绍了BP神经网络在时延控制对象中的建模,建立了一个基于BP神经网络的预测模型,在Matlab中对几种使用神经网络模型的控制方案进行了研究和比较。     

基于BP神经网络的驾驶精神疲劳识别方法

为了对驾驶精神疲劳予以有效识别,基于行为绩效结合心电信号指标构建了一种驾驶精神疲劳识别方法．以驾驶行为绩效为客观测评指标,给出了驾驶精神疲劳状态的分级划分方法．在此基础上,以心率变异性的6项指标作为疲劳识别特征因子,采用BP神经网络模型,建立了驾驶精神疲劳状态分类器．最后结合实例,依据驾驶行为绩效,将疲劳状态划分为2级,采用10名驾驶员连续4 h的驾驶行为绩效(反应时)、心电数据,对模型、方法予以测算．结果表明,10名驾驶员平均正确识别率在71％～80％之间,且其平均正确识别率为73％．BP神经网络模型与心率变异性指标相结合可有效的识别疲劳．     

基于BP神经网络的短期光伏集群功率区间预测

针对大规模光伏并网给电力系统安全稳定运行带来的严峻挑战,考虑传统单一光伏场站功率预测的局限性,以区域性光伏集群功率为研究对象,提出一种基于BP神经网络的光伏集群功率的区间预测方法。通过互信息方法对变量进行相关性分析,提取关键解释变量作为输入变量,利用主成分分析进行数据降维,解决了光伏集群功率预测大数据处理的问题。利用神经网络在数据挖掘和非线性关系拟合方面的优越性,将神经网络和非参数概率预测相结合,量化光伏集群功率预测结果的不确定性。实验算例采用中国某地区10个光伏场站,利用未降维的原始数据与本研究所提出的数据降维方法进行对比,分别计算80%和90%预测区间,结果表明,本研究所提出的预测方法预测区间带更窄,具有更好的预测效果。利用本研究所提模型预测了某天超前72 h的80%和90%置信区间,验证了该方法的可行性和先进性。     

基于BP神经网络模型的水质评价及预测

利用BP神经网络模型对水质的评价及预测进行了研究,克服了传统评价方法工作量大,而且主观性较强的不足,测评结果客观、准确,过程中不需要对监测数据进行很复杂的预处理,工作量小。     

基于BP神经网络的短期光伏集群功率区间预测

针对大规模光伏并网给电力系统安全稳定运行带来的严峻挑战,考虑传统单一光伏场站功率预测的局限性,以区域性光伏集群功率为研究对象,提出一种基于BP神经网络的光伏集群功率的区间预测方法。通过互信息方法对变量进行相关性分析,提取关键解释变量作为输入变量,利用主成分分析进行数据降维,解决了光伏集群功率预测大数据处理的问题。利用神经网络在数据挖掘和非线性关系拟合方面的优越性,将神经网络和非参数概率预测相结合,量化光伏集群功率预测结果的不确定性。实验算例采用中国某地区10个光伏场站,利用未降维的原始数据与本研究所提出的数据降维方法进行对比,分别计算80%和90%预测区间,结果表明,本研究所提出的预测方法预测区间带更窄,具有更好的预测效果。利用本研究所提模型预测了某天超前72 h的80%和90%置信区间,验证了该方法的可行性和先进性。     

基于主元分析和BP神经网络的工业过程监测

BP神经网络的分类功能可以用于过程监测与故障诊断,但面对比较复杂的工业过程,数据量过大通常会导致网络的训练时间较长、收敛速度较慢.将主元分析与BP神经网络相结合,提出基于主元分析和BP神经网络理论的工业过程监测方法,根据TE过程数据变量确定神经网络的结构,然后使用TE过程数据训练集训练网络,并建立监测模型.通过对测试结...     

基于神经网络的中国商业银行效率综合评价

在广泛选取原始指标的基础上,建立了基于主成分分析法的商业银行效率评价指标体系,建立了基于BP神经网络的商业银行效率评价模型.采用改进的主成分分析法建立了新的指标体系,用7个指标保留了92%的原始信息,并避免了指标间相关性对后期评价的影响;运用斜交旋转法,得到了对商业银行效率影响较显著的7个指标因素;采用均值法对原始数据进行标准化处理,保留了指标间的差异信息和相互影响信息;利用BP神经网络避免了传统评价方法中人为主观因素和模糊随机因素的影响.     

基于非线性PCA神经网络的手写体字符识别

非线性主分量分析PCA算法与子空间模式识别方法相结合,提出了一种应用于手写体字符识别的基于非线性PCA神经网络的信号重构模型,并与BP网络模型进行了比较实验,结果表明,本文提出的方法,对于0~9手写体数字识别,正确识别率达到了94.74%,而对于a~z手写体字符识别,正确识别率达到了91.03%.     

基于BP神经网络模型的温度预测方法

车间里特定高温环境下对多点的温度监测数据是风机是否工作的重要参数。为了能更好地保护风机,提出一种基于BP神经网络来分析预测温度变化趋势的方法,达到了减少风机工作时间,延长风机寿命的效果。     

基于BP神经网络的教学质量评价模型

采用了BP神经网络的原理用于教学质量评价,建立了教学质量评价模型.构建了神经网络评价模型的结构,通过仿真和实例表明了评价模型的有效性,为全面、公正、科学地评价教学工作提供了一种新方法.     

基于BP神经网络的火电工程项目风险评估模型

应用BP神经网络对火电工程项目风险进行评估。先建立评估模型,再求出模型中误差函数调节的连接权值和阈值,并将输出层作为网络结果输出。其训练网络的样本集为可信度高的权威性评价结果,可通过专家对以往类似装备研制过程的数据进行总结得到。将训练的权值和阈值储存,对拟评价的项目进行预测。模型自学习、自组织适应能力和强容错性能较强,可提高评估的可靠性,使结果客观。     

基于BP神经网络的高校教师教学质量评价模型

针对目前大多数高校采用单一的教学评价机制来衡量教师教学质量的片面性,在充分考虑被评对象的差异性、评教主体的单一性以及评教方法的难操作性的基础上建立了全方位教学质量评价体系,构建了综合评价体系及2个体系下的7个二级指标,并以此为基础建立两级神经网络。训练结果表明:该网络能较好地拟合训练数据,预测效果显著,说明基于神经网络的教学质量评价模型是合理可行的。