基于PCA和IFOA-BP神经网络的股价预测模型

针对基于BP神经网络的股票价格预测模型在价格预测时存在较大误差的问题,在BP神经网络方法的基础上引入了主成分分析方法(PCA)和改进的果蝇算法(IFOA),提出一种基于PCA-IFOA-BP神经网络的股票价格预测模型。通过PCA对股票历史数据进行降维,减少冗余信息;采用改进的果蝇算法优化BP神经网络的初始权值和阈值;建立基于PCA和IFOA-BP神经网络的股票价格预测模型。对上证指数股票价格数据进行仿真验证,仿真结果表明:在股票价格预测中,该模型比BP神经网络、PCA-BP和PCA-FOA-BP的预测精度更高,是一种有效可行的预测方法。     

基于PCA和神经网络的识别方法研究

在计算机集成制造系统环境下,质量控制图是统计过程控制的重要工具,实际应用中最困难的是识别出控制图中由于异常因素造成的不同异常模式。针对这一问题展开研究,用主成分分析法作为前处理过程进行样本集的选择与优化,提出了基于PCA_改进BP算法的控制图模式智能识别方法。     

基于PCA和PNN的发动机故障诊断研究

本文提出了一种基于主成分分析（PCA）和概率神经网络（PNN）的故障诊断方法。该方法首先利用PCA分析建模消除变量之间的非线性关联,降低噪声的影响,在保证数据信息丢失最少的情况下,大大降低了原始数据空间的维数,然后利用概率神经网络对降维后的数据进行模式分类,最后结合某汽车发动机的故障诊断进行仿真研究。仿真结果表明,该方法是有效可行的。     

基于PCA技术的神经网络说话人识别研究

针对当提取以整段语音的多维语音特征参数为BP 神经网络输入而带来的说话人识别率和网络训练稳定性的问题,提出了一种用于BP 网络的基于主分量分析的PCA新方法。将该方法得到的降维语音特征参数用于BP 网络中,其识别率和训练速度都得到较大提高,使得基于BP 神经网络的说话人识别得到更好效果。     

基于聚类和主成分分析的神经网络预测模型

提出一种基于聚类和主成分分析的神经网络模型,用于高炉运行指标的实时预测.首先采用谱系聚类将特性分散的样本划分成不同的子类,然后采用主成分分析方法对影响目标数据的众多变量进行降维处理,在此基础上,构建了高炉运行指标的神经网络预测模型,大大改善了预报的精度和效率.通过对采集的高炉数据进行测试,表明本文提出方法的有效性.     

基于PCA的GABP神经网络入侵检测方法*

为克服BP算法易陷入局部最小的缺点,同时为减少样本数据维数,提出一种基于主成分分析(PCA)的遗传神经网络方法。通过降维和去相关加快收敛速度,采用改进的遗传算法优化神经网络权值,利用自适应学习速率动量梯度下降算法对神经网络进行训练。MATLAB仿真实验结果表明,该方法在准确性和收敛性方面都优于BP算法,应用于入侵检测系统中的检测率和误报率明显优于传统方法。     

基于改进的BP神经网络税收预测模型的研究

因为税收数据的非线性、冗余性等特点,传统的税收预测模型的精度都不高.为了提高税收预测的精度,提出了一种主成分分析和BP神经网络相结合的税收预测模型.首先利用主成分分析法对影响税收的8个因子进行处理,消除重复的信息,结果保留了2个主成分作为神经网络的输入,达到了降维的目的,加快了网络训练的收敛速度.然后用BP网络对样本进行训练,仿真结果表明,通过不同模型之间的对比,发现PCA-BPNN模型的预测精度更高,可用性更好,是一种高效的预测方法.     

基于PCA和神经网络的故障诊断技术

提出一种基于PCA和神经网络的故障诊断/识别方法,利用主元分析法提取故障样本集的主元,实现故障样本的最优压缩,简化故障诊断中神经网络分类器的结构,提高神经网络的分类速度和测试精度。仿真结果表明,该方法可以有效减少输入层神经元个数,提高神经网络模型的学习效率和诊断的准确性,具有良好的故障识别能力。     

基于AGA-LVQ神经网络的软件可靠性预测模型研究

针对当前大多数软件可靠性预测模型预测准确率不高等问题,利用LVQ神经网络的非线性运算能力和自适应遗传算法(AGA)的参数寻优能力,提出了一种基于AGA-LVQ的软件可靠性预测模型。首先对待预测的数据用主成分分析(PCA)等方法进行预处理以降低维度,去除冗余和错误数据,然后根据自适应遗传算法来计算最优的LVQ神经网络初始权值向量,最后运用LVQ神经网络进行软件可靠性预测实验。通过与传统方法的对比,证明该方法具有较高的预测准确率。     

基于改进BP神经网络的软件质量预测模型研究

本文从软件质量检测方法入手,首先介绍了软件质量检测的几种常见方法。然后就所阐述的几种方法进行了比较和分析。采用BP神经网络的检测方法对软件质量进行检测,并且对传统的BP神经网络检测法进行了相应的改进得到一种更加适合本系统检测的方法。最后通过实验得出该算法检测的实际效果,并加以总结分析。     

基于机器视觉的农药残留速测卡结果判读方法

针对人工判读大批量农药残留速测卡结果存在的误判率高、效率低等问题,提出基于机器视觉的农药残留速测卡结果准确快速判读方法,根据判读原理设计图像采集系统,利用边缘检测技术结合特征提取对速测卡图像处理分析。实验结果表明,该方法在保证准确性的前提下,判读效率达到约500次判读每分钟,能够满足蔬菜采摘前和销售前大批量农药残留检测需求,有助于绿色蔬菜溯源系统的建设和管理。     

基于网络聚合行为的异常检测方法研究

异常检测是目前入侵检测领域中非常活跃的一个方向,其作为一种网络测量手段,对于分组报头的信息统计在很多网络管理任务中扮演着重要的角色。将网络分组中报头的信息按不同方式汇聚起来,可以有效地构成网络流量属性的度量。从中提取的特定的子集在理论上可用于刻画网络流量中的攻击行为特征。如果这些度量在无攻击情况下能够表现出相对的稳定性,而在发生攻击时相对敏感,则可用于判断攻击的发生。并利用主成份分析和信息增益对冗余特征进行删减,能够使得判断攻击时需要的开销降低,增加实时性。基于机器学习的分类器是判断攻击导致的异常的有效手段。根据所选取的度量指标设计了三种分类器。     

基于主成分分析的无监督异常检测

入侵检测系统在训练过程中需要大量有标识的监督数据进行学习,不利于其应用和推广．为了解决该问题,提出了一种基于主成分分析的无监督异常检测方法,在最小均方误差原则下学习样本的主要特征,经过压缩和还原的互逆过程后能最大限度地复制样本信息,从而根据均方误差的差异检测出异常信息．构建的仿真系统经过实验证明,基于主成分分析的无监督异常检测方法能够在无需专家前期参与的情况下检测出入侵,实验结果验证了其有效性．     

基于卷积神经网络恶意安卓应用行为模式挖掘

现有的安卓恶意应用检测方法所提取的特征冗余且抽象,无法在高级语义上反映恶意应用的行为模式.针对这一问题,提出一种可解释性检测方法,通过社交网络检测算法聚类可疑系统调用组合,将其映射为单通道图像,用卷积神经网络进行分类,并利用卷积层梯度权重类激活映射可视化方法发现最可疑的系统调用组合,从而挖掘理解恶意应用行为.实验结果表...     

一个人脸识别系统的设计与实现

设计了一个在区分人脸朝向的基础上,再进行人脸辨别的识别系统。把BP网络用于人脸朝向的识别,并且用一组单输出的子网络代替原来的BP网络,提高了人脸朝向的识别率。在人脸朝向的分类基础上,用主元分析法进行人脸识别。实验结果表明此系统提高了人脸的识别率。     

A fast procedure for the training of neural networks

A new training paradigm for artificial neural networks is described. The technique utilizes a polynomial approximation to the sigmoidal processing function and directly integrates principal components analysis (PCA) into the network training philosophy. A major benefit of the new technique is that off-line network training is ‘one-shot’, contrary to the standard iterative techniques available in the literature. Further training may be performed on-line in a recursive fashion, yielding an adaptive neural network. Additionally, the new philosophy incorporates a systematic procedure for determining the number of neurons in the hidden layer of the network. The training procedure is first described and the implications of the training philosophy discussed. Some results, including applications to industrial chemical processes, are then presented to highlight the power of the technique. The systems considered are a continuous stirred tank reactor and a polymerization reactor.     

基于主成分分析和多层感知机神经网络的入侵检测方法研究

针对现有入侵检测系统(Intrusion Detection System,IDS)检测方法准确率低,泛化能力弱,收敛速度慢,易陷入局部最优等问题,提出基于PCA(Principal Component Analysis)和多层感知机神经网络(MLP)的入侵检测模型.该模型首先对数据进行预处理和降维,然后使用该PCA-...     

舌色的模式识别研究

舌色的模式识别是为了促进舌诊医学的现代化.舌图一般用RGB或HSV这两种颜色特征来区分.采用主成分分析(principal components analysis,PCA)对颜色特征进行处理,获得两种新的特征,即RGB-PCA和HSV-PCA.再用支持向量机(support vector machines,SVM)和误差反向传播神经网络(back propagation neural network,BP NN),分别对四组特征值进行识别研究,找出合适的算法参数,在此基础上比较了支持向量机和BP神经网络的识别结果.     

基于K-L变换和神经网络分类的微钙化点检测新方法

目前一般的乳腺X光片微钙化点检测系统大致都包括:图像预处理和分割;病理图像的特征提取和分类;辅助诊断和分析等几个步骤,其中神经网络经常用于特征提取和分类阶段。为了提高神经网络的分类能力,需要采用最具代表性的特征作为分类系统的输入部分,而且采用的特征数目要有利于最有效的特征提取,否则会使分类的效率大打折扣。所以分类系统一个重要的任务是对神经网络的输入样本集进行训练和特征值的优化,本文采用K-L变换用于降低输入特征向量的维数,从而达到参数优化的目的。试验表明,该方法可以有效地提高系统的灵敏度,降低诊断的假阳性。     

基于BP网络软件质量度量模型

本文系统阐述了构造软件质量度量模型的理论背景与方法,在此基础上,根据神经网络技术的特点,在理论上分析了运用神经网络技术构造软件质量度量模型术的可行性,并通过实验说明了该方法的有效性。