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。     

主成分分析在回声定位声波识别中的应用

利用主成分分析理论对回声定位声波特征空间进行优化,通过小波包理论对回声定位声波进行预处理,提取能量参数,采用主成分分析法优化特征空间,减少冗余参数.以优化后的特征空间作为识别向量,通过神经网络对回声定位声波进行识别.结果表明,利用主成分分析优化特征空间,能在较高的识别率下有效降低特征空间维数.     

自组织特征映射神经网络在岩性识别中的应用

传统的岩性识别技术主要基于统计学理论,如贝叶斯方法、回归方法等,近年来人工神经网络方法如反向传播算法（ Ｂａｃｋ － Ｐｒｏｐａｇａｔｉｏｎ , Ｂ－ Ｐ） 也应用于岩性识别,取得了一定的效果。用 Ｋｏｈｏｎｅｎ 提出的自组织特征映射神经网络对测井数据进行岩性识别,该方法具有较强的自组织性、自适应性,有较高的容错能力。与 Ｂ－ Ｐ 算法相比较,计算量小,收效速度快,且不需要已知的先验信息而自动确定分类类别。结果表明与统计方法、岩性录井分析结果一致。     

基于神经网络算法的人工蜂群算法在地层岩性识别中的应用

合理确定地层岩性对合理选择钻头类型、快速建立岩性剖面、及时发现油气层和卡准取心层位有着重要意义。以录井资料为基础,结合已钻井的测井资料,根据BP神经网络和人工蜂群算法,建立基于BP神经网络算法的人工蜂群算法模型。应用该模型在青海油田某区块进行地层岩性随钻识别试验,试验结果与测井资料解释结果相比,符合率可达91．35％。     

BP神经网络在数字识别方面的应用

介绍了一种ＢＰ神经网络数字识别方法，分析了从特征提取、网络模型建立、训练到识别结果的整个过程．由于运用特征提取，加快了网络的训练速度，也使网络更加健壮．通过实验，证明数字识别效果良好．     

改进的BP神经网络算法在车牌识别中的应用

在车辆牌照自动识别系统中,因自然因素或采样因素使得原本规则的印刷体字符产生畸变,给字符识别带来了很大困难,利用BP神经网络对车牌进行识别得到广泛的应用,如何提高车牌识别的准确率和速度是车牌识别系统最根本的问题.本文用动量因子和自适应学习速率对传统BP网络进行改进.该算法简便,识别率高,可适用于多种高噪声环境中的字符识别.     

基于主成分分析和优化神经网络的注水井吸水能力预测

针对渤海 P油田储层纵向非均质性较强的特点 ,提出基于主成分分析和优化神经网络(PCA- PSO- BP)的注水井吸水能力预测方法 ,以提高预测准确度 ,进而改善纵向吸水不均的问题 装 根据动 静态生产资料 ,通过皮尔逊线性回归对渗透率、泥质含量、含油饱和度、电阻率、孔隙度、注采井距、射 孔厚度共7 个因素进行相关性分析 ,结果显示渗透率与泥质含量、电阻率、孔隙度之间存在一定的线 性关系 装 通过主成分分析对这7 个因素进行降维处理 , 以重新生成的 3 个主成分作为模型数据集 , 并对其神经网络模型进行优化 ,最终建立 PCA- PSO- BP预测模型 装 通过注水井生产实例 ,验证了 此模型的良好效果     

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...     

BP神经网络在电容成像流型识别中的应用

提出了一种基于ＢＰ神经网络两相流流型辨识算法．该方法可克服电容层析成像系统中电容测量灵敏度分布易受被测多相流介质分布的影响,对网络结构及其学习参数进行了研究,可对各种气固两相流流型能有效地判别．     

BP和RBF神经网络在字母识别中的比较

将BP和RBF2种神经网络应用于英文字母识别,为2种网络建立识别模型．利用标准字符库进行测试,并在测试中加入干扰,进行仿真实验,观察这2种网络的泛化能力以及识别准确性,比较这2种网络及其改进方案,提出这2种改进方案中分别需要注意的地方．指出当用于字母识别时,RBF网络的性能优于BP网络及其改进型算法．     

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.     

基于主元分析和BP神经网络的人脸识别研究

该文提出了一种主元分析和BP神经网络相结合的人脸识别方法。其中主元分析方法用于提取人脸图像的特征，而BP神经网络用于对提取的人脸特征进行识别。实验结果表明，在进行人脸识别时，该文提出的主元分析和BP神经网络相结合的方法同传统的主元分析方法相比取得了良好的效果。此方法具有较高的识别率、较强的自适应性以及对噪声的鲁棒性。     

基于主成分分析与神经网络的非线性评价模型

针对评价过程的非线性特征,运用神经网络高度非线性映射能力,建立了一种非线性综合评价模型。采用主成分分析法对评价指标进行处理,形成了新的指标体系,有效的消除了原指标间的相关性,降低了神经网络的输入维数。利用Matlab软件对地区经济发展水平的综合评价进行实例分析和仿真,得到了较满意的结果,说明了该模型的有效性。     

基于BP网络的橡胶配方优选问题研究

采用主成分分析法,提取影响橡胶性能的主要因素,再利用BP神经网络建立橡胶配方中填料对胶料性能影响的模型。研究结果表明,用该方法处理后的样本数据输入网络,网络结构得到简化,训练时间减少,提高了预测效率和预测精度。     

BP神经网络在消能结构中的仿真应用研究

采用BP神经网络对支撑变形影响下的非线性粘滞消能器两端的位移幅值与层间位移幅值之比与消能器的阻尼系数、支撑的总水平刚度、结构的振动周期、层间位移幅值、消能器的非线性指数之间的关系进行预测仿真.仿真结果表明采用BP神经网络预测非线性粘滞消能器两端的位移幅值与层间位移幅值之比是有效且可行的.此外,还讨论隐含层结点数的合理确定.     

工控设备状态检测中BP神经网络模型的应用

针对工控系统现场网中的物理设备状态信息,提出一种利用BP神经网络模型实时分析和判断设备是否处于正常运行状态的入侵检测算法。该算法旨在能够发现来自工控系统内外部的入侵行为和合法控制指令被恶意利用的复杂攻击。     

基于相关性分析和主成分分析的基因调控网络研究

为了构建基因调控网络模型,提出了相关性分析和主成分分析相结合的方法。利用皮尔逊相关系数进行相关性分析,构造初始的基因调控网络。进而利用主成分分析法确立剪边原则,从而获得新的基因调控网络。采用Dream3中的大肠杆菌（Ecoli1）10个基因的表达数据进行测试,结果表明,参考黄金标准下的基准网络,所提方法获得的基因调控网络具有较高的准确性。     

基于GA-BP神经网络的短期负荷预测

以供热系统为研究对象,针对集中供热热负荷中由于温度因素、随机因素以及建筑本身因素等导致预测精度不高的问题．提出了采用BP神经网络算法来进行预测,它对具有非线性的模型有很好的控制效果,并且可以进行自我学习．但由于BP神经网络的波动较大,比较容易出现局部优化现象,因此在使用BP神经网络的基础上进行改进,将BP神经网络与遗传优化算法相结合,弥补BP神经网络的不足．最后通过仿真实验,结果表明热负荷预测的误差大大减少,预测精度提高,继而实现合理供热．