基于PCA-ANN模型中存在的问题及改进.pdfVIP

舍 】学院学赧 (自然科学版) JournalofHefeiUniversity(NaturalSciences) QQ生 第2O卷第3期 Auz．2010Vo1．20 No．3 基于 PCA—ANN模型中存在的问题及改进 朱俊峰 (1．合肥工业大学 计算机与信息学院，合肥 230009；2．安徽广播电视大学 教务处 ，合肥 230022) 摘 要：文章深入分析了目前普遍采用的主成分分析——神经网络模型应用中存在的不合理问题 ，通过推导指 出错误所在，提出了相应的改进方案．为了验证改进模型的有效性，以UCI机器学习库中的数据集为样本，选取 有导师BP神经网络和无导师 SOM神经网络，建立改进的主成分分析——神经 网络模型，并与传统主成分分 析——神经网络模型进行比较测试，实验结果表明改进的模型效果更优． 关键词：主成分分析；神经网络；算法 中图分类号：0212．4 文献标识码：A 文章编号：1673—162X(2010)03—0036—04 TheProblem and ImprovementofPCA-ANN M odel ZHUJun．feng， (1．SchoolofComputerandInformation，HefeiUniversityofTechnology，Hefei 230009； 2．AcademicAffairOffice，AnhuiRadioandTVUniversity，Hefei230022，China) Abstract：Thisessay thorough analyze theprincipalcomponentanalysiswhich waswidely used at presenttheapplicationofNeuralNetworksisunreasonable．Byinference，weknowwheretheerroris， andproposethereform program．In ordertoverifythevalidityoftheimprovedmodel，wetakeUCI machinelearningdataassamples，andselectthetutorBPNeuralNetworkandtheunsupervisedSOM NeuralNetworktoimprovetheprincipalcomponentanalysistheNeuralNetworkmode1．Comparedwith thetraditionalprincipalcomponentanalysisand theNeuralNetwork model，we can find thatthe improvedmodelisbetterthantheother． Keywords：principalcomponentanalysis；neuralnetwork；algorithm 人工神经网络理论的提出与发展为研究非线性系统提供了一种强有力的工具，它可以实现函数逼近、 预测、聚类分析、模式识别及优化计算等功能，成功应用于许多研究领域．但当输入样本特征量较多且 自变 量之间相关性较大时，导致神经网络的训练速度慢且求解不稳定．为此，人们引入主成分分析对多指标的 原始变量进行事先分析，从而浓缩原始数据信息，简化指标结构，提出这种主成分分析的神经网络模型，以 期提高计算精度、减少了训练时间及简化了网络结构． 但是由于对主成分分析的原理理解得不深，在应用中出现了误区．对于传统的将原始数据进行标准化 处理，会导致丢失各指标间变异程度上的差异信息．从丢失了部分信息的数据中再提取主成分，会使主成 分包含的原始数据的信息产生更大的误差．若将此主成分作为神经网络的输入因子，那么神经网络所得结 果往往精确度不高，甚至不正确．在此背景下，将改进后的主成分分析与神经网络相结合，提出了改进的主 成分分析——神经网络模型． 1 传统主成分分析方法的局限性分析 记原始数据为X= ( )… ，其中n为样本