基于MTALAB的神经网络判别模型.pdfVIP

第 36 卷第 2 期 数学的实践与认识 V o l36　N o 2　 2006 年 2 月 M A TH EM A T ICS IN PRA CT ICE AND TH EO R Y Feb. , 2006　 基于M TALAB 的神经网络判别模型 唐万梅 ( 内蒙古大学理工学院, 内蒙古 呼和浩特　010021; 　重庆师范大学数学与计算机科学学院, 重庆　400047) 摘要: 　判别分析是判别样品所属类型的一种统计方法. 利用M A TLAB 提供的神经网络工具箱为基础, 设 计了一个三层BP 神经网络判别模型, 提出了一种进行判别分析的新方法, 实例表明, 利用BP 神经网络建立 的判别模型是进行判别分析的有效方法. 是对研究分类问题的方法的扩充. 关键词: 　判别分析; BP 神经网络;M A TLAB ; 判别模型 1　引　　言 　　判别分析是统计学中判别样品所属类型的一种统计方法. 在社会、经济、技术等许多领 域的数据分析中, 常常需要根据观测到的数据资料, 对所研究的对象按照它们的性质、用途 等进行归类. 例如在经济学中, 根据人均国民收入、人均工农业产值、人均消费水平等多种指 标来判定一个国家的经济发展程度所属类型, 为国家经济发展政策的制定作参考; 在市场预 测中, 根据以往调查所得的种种指标, 判别下季度产品是畅销、平常或滞销, 商家可根据预测 的结果提早制定相应的销售策略, 尽可能的获得最大利润, 这一直是人们探讨的问题. 而以 往的判别分析大多是直接建立判别系统的数学模型, 如距离判别法、 判别法、贝叶斯 F isher ( ) 判别法[ 1 ] 等. 而判别方法的选择直接关系到判别效果的好坏, 显然, 用这样一些结构 Bayes 化的方法来处理半结构化和非结构化问题摆脱不了评判过程中的随机性和评判者主观上的 不确定性, 存在误判现象, 为此本文设计一个三层BP 神经网络判别模型, 以减少误判, 提高 判别的精度. BP 神经网络模型具有结构严谨、工作状态稳定、可操作性强等特点, 同时由于 隐结点的引入, 使得一个三层非线性网络可以以任意精度逼近任何连续函数, 因而在模式识 别、非线性映射、预测等许多领域得到了广泛的应用. 神经网络方法不必作任何假设, 也不需 [ 2 ] 要建立一组规则或方程, 而是直接使用样本数据实现输入层与输出层之间的非线性映射 . 因而是处理这种非结构化问题的有效方法. ( ) 神经网络通常是指基于误差反向传播算法 算法 的多层前向神经网络, 它是 . BP BP D . 和 . . 及其研究小组在 1986 年研究并设计出来的. 由于 神经 E R um elhart J L M cCelland BP 网络的高度非线性映射能力, 它是目前应用最广泛且研究最深入的网络模型. 本文在基于 M TALAB 6. x 所提供的神经网络工具箱的基础上, 设计了一个三层BP 神经网络判别模 [ 1 ] 型, 并利用该模型对 30 个省市自治区地区经济的发展 进行了判别分析. 得出了与文献[ 1 ] 一致的结果. 结果表明BP 神经网