搜索资源列表
DNAClassification
- 该压缩包包含了pnn等分类器的源程序，用C++实现-The archive contains the source pnn other classifier, using C++,
Upaiiliees
- 用java实现了数学上的排列组合问题，包包含Cmn，Pmn，Pnn三种排列组合的情况 -Mathematical permutations and combinations with java package contains Cmn, Pmn, Pnn three kinds of arrangement of the combination of
chapter19
- 概率神经网络的分类预测--基于PNN的变压器故障诊断，了解神经网络在实践中的作用-Classification prediction of the probabilistic neural network- PNN-based transformer fault diagnosis, understanding the role of neural networks in practice
PNN-classification-prediction
- 针对变压器的故障诊断，通过概率神经网络对其进行分类。运行程序后，网络输出值和实际值非常接近，很好的实现了对变压器的故障分类。-For the transformer fault diagnosis, we use the probability neural network to classify it. After running the program, the network output value and the actual value is very close, which ac
pnn
- 概率神经网络，经过调试可用，可进行扩展，可用模式分类。-probabilistic neural network, after debugging is available, can be extended，it can be used for pattern classification。
SOM-PNN
- 本文将SOM（自组织特征映射）和PNN（概率）神经网络应用到柴油机故障诊断中，首先介绍了SOM和PNN神经网络的算法，然后对柴油机的故障进行了分析，并运用matlab进行了仿真，验证了实验结果。-This article will SOM (self-organizing feature map) and PNN (probability) neural network is applied to fault diagnosis of diesel engine, first introduce
improved-wavelet-packet--and-PNN
- 提出改进型的节点重构小波包频带能量谱与 PNN（概率神经网络）的联合故障诊断新方法。 有具体的数据和程序，经过本人验证的，程序有效！效果很好！-Joint fault diagnosis node propose a new method for the reconstruction of improved wavelet packet energy spectrum band and PNN (probabilistic neural network). Specific data and p
PNN程序
- 利用matlab 程序通过部分样本参考量训练，对剩下样本的类别进行预测(Using the matlab program, through the training of some sample reference quantity, we forecast the remaining samples)
libsvm-3.1-[FarutoUltimate3.1Mcode]
- 态势要素获取作为整个网络安全态势感知的基础，其质量的好坏将直接影响态势感知系统的性能。针对态势要素不易获取问题，提出了一种基于增强型概率神经网络的层次化框架态势要素获取方法。在该层次化获取框架中，利用主成分分析(PCA)对训练样本属性进行约简并对特殊属性编码融合处理，将其结果用于优化概率神经网络(PNN)结构，降低系统复杂度。以PNN作为基分类器，基分类器通过反复迭代、权重更替，然后加权融合处理形成最终的强多分类器。实验结果表明，该方案是有效的态势要素获取方法并且精确度达到95.53%，明显优于
libsvm-3.17
- 为了真实有效地提取网络安全态势要素信息，提出了一种基于增强型概率神经网络的层次化框架态势要素获取方法。在该层次化态势要素获取框架中，根据Agent节点功能的不同，划分为不同的层次。利用主成分分析(Principal Component Analysis, PCA)对训练样本属性进行约简并对特殊属性编码融合处理，按照处理结果改进概率神经网络(Probabilistic Neural Network, PNN)结构，以降低系统复杂度。然后以改进的PNN作为基分类器，结合自适应增强算法，通过基分类器反
神经网络入门13课源码
- 神经网络入门13课源码 第一课 MATLAB入门基础 第二课 MATLAB进阶与提高 第三课 BP神经网络 第四课 RBF、GRNN和PNN神经网络 第五课 竞争神经网络与SOM神经网络 第六课 支持向量机( Support Vector Machine, SVM ) 第七课 极限学习机( Extreme Learning Machine, ELM ) 第八课 决策树与随机森林 第九课 遗传算法( Genetic Algorithm, GA ) 第十课 粒子群优化( Part