11第13章神经网络应用实例解析.pptVIP

7.基于自组织特征映射网络的亚洲足球水平聚类 7.基于自组织特征映射网络的亚洲足球水平聚类 7.基于自组织特征映射网络的亚洲足球水平聚类 样本采用1000幅64*64的二值图像 5.基于概率神经网络的手写体数字识别 特征提取 获得了6维统计特征，与8维结构特征一起构成了一个长度为14的特征向量，用该特征向量代表每一幅数字图像 5.基于概率神经网络的手写体数字识别 构造分类器——概率神经网络 概率神经网络的判定边界接近于贝叶斯最佳判定面，网络的计算流程与最大后验概率准则极为类似。 5.基于概率神经网络的手写体数字识别 （1）数据输入。1000章图像被放在名为digital_pic的子目录中，其中数字i的第j张图像文件名为i_j.bmp，为三位宽度的整数。 （2）特征提取。进行特征提取前进行去噪处理。特征提取的函数为[Feature,bmp,flag]=getFeature(A)，该函数接受一个64*64二值矩阵输入，返回的Feature为长度为14的特征向量 （3）模型训练。使用newpnn函数创建概率神经网络 （4）测试部分。测试时，首先使用原有训练数据进行测试，再对读入的图像添加一定强度的噪声，观察算法的抗干扰性能。 5.基于概率神经网络的手写体数字识别 digital_rec.m 5.基于概率神经网络的手写体数字识别 6.基于概率神经网络的柴油机故障诊断 柴油机的结构较为复杂，工作状况非常恶劣，因此发生故障的可能性较大。本例采用概率神经网络建立分类模型，采集柴油机振动信号作为输入，成功实现了故障有无的判断和故障类型的判断 柴油机故障诊断可以抽象对一种分类问题，有无故障的判断，是一种二分类问题，而具体故障类型的判断，为多类分类问题。正确判断的关键在于选择合适的特征来描述柴油机的工作状况，以及选用合适的分类器将不同类别的样本分开。 （1）特征选择。柴油机运行时包含丰富的特征信息，可以选择气压、油压、热力性能参数、振动参数等。 本例采用振动时域信号作为特征信号 （2）分类器设计。这里采用概率神经网络来完成 正常状态 供油提前角提前 油路堵塞 第一缸喷油器针阀磨损 第一缸喷油压力过小 第一缸喷油压力过大 分类模式 6 5 4 3 2 1 编号 采集柴油机正常运转和5种故障模式下的振动信号，再对振动波形做统计学处理，得到能量参数、峰度参数、波形参数、裕度参数、脉冲参数和峰值参数，形成一个6维向量 收集2份每种分类模式的样本，共计12份训练样本 用于柴油机故障诊断的概率神经网络模型包含12份输入样本，每个样本为6维向量，分类模式为6种，建立的概率神经网络结构 （1）定义样本。每列为一个样本，训练样本为6*12矩阵，测试样本为6*6矩阵 （2）样本归一化。使用mapminmax函数完成训练样本的归一化 （3）创建网络模型。newpnn函数唯一的可调参数为平滑因子spread，在这里将其设置为1 （4）测试。首先需要定义测试样本及其正确分类模式标签，然后将测试样本按与训练样本相同的方式进行归一化，最后将其输入到上一步创建的网络模型中 运行diagnose.m 中国男子足球队的比赛成绩一直牵动着广大球迷的心。很多人认定中国队已处于亚洲三流甚至末流水平 ；在亚洲地区的比赛中，中国队曾经有过不错的表现，但近年来接连遭遇惨败。 在这样的背景下，有必要科学地统计亚洲各队的比赛数据，有说服力地给出各个国家男子足球的水平和实力 使用无监督学习的聚类方式。聚类不需要预先知道部分球队的水平和实力，只需要给定分类的类别数量，算法就会将所有样本按照相似性的原则划分成类 。 要获得较准确的聚类结果，关键在于选择恰当的样本特征。它回答了究竟选取什么样的指标才能正确反映球队的实力和水平的问题。要比较各国足球的发展水平，自然不能选择该国国内联赛的成绩，而应该将国际正式比赛中各球队的表现纳入考虑范围。 （1）对于世界杯，如果打入决赛圈，则取其最终排名（1~32）；没有进入决赛圈的，如果打入预选赛十强则编码为33，如果预选赛小组未出线则编码为43。 （2）对于亚洲杯，如果取得四强，则取其最终排名（1-4）；如果进入八强，则编码为5，如果进入16强则编码为9，如果预选赛未出线，则编码为17 2 4 21 16 澳大利亚 17 9 43 43 印度尼西亚 9 17 32 33 朝鲜 9 9 33 33 巴林 17 9 43 43 阿曼 17 5 43 43 越南 17 9 43 43 泰国 4 5 33 33 乌兹别克斯坦 9 9 33 43 阿联酋 5 9 33 43 卡塔尔 5 1 43 43 伊拉克 9 2 3