BP网络与Logistic回归模型在形式分类中的比较研究.pdf

中文摘要 模式分类是许多领域都涉及到的重要问题，而统计方法和神经网络是模式分类中应 用非常广泛的两种方法，因而对这两种方法进行必要的研究就显得非常必要．人工神经 网络是对生物神经网络的数学模拟，这和统计方法有着本质的区别，但是它们在很多方 面却也有很多类似的地方．本文首先对比了用于线性分类的Perceptron和Fisher判别 法。之后结合东北师范大学贫困学生评价标准这一实例，对BP神经网络和Logistic回 “ 归做了详细的比较研究． 关键词tPerceptron；Fisher判别法；BP网络；Logistic回归模型 Abstract PatternClassificationisa in fields．AndstatisticM very marly importantproblem Network usefull in methodsandArtificalNcural axethemost methodsPatternClas- and thattwomethodsis NeuralNetr sifieation，socomparestudy verynessaxy．Atificial simulatethe theNeuralNetworkaxemathematical biologic models，and works(ANN)that therearesomedifferent betweenANNandstatisticmethods aspects constitutionally,but them．Beside the therearealso between manyhomologousaspects comparingPerceptron discriminationmethodwhichareusedtolinear the andFisher classification，combining ofhowtoclassifiestudentsin thedifferences examples poor NENU，thispaperanalyses BP model． and betweenneuralnetworkand aspects Logisticregression homologous model KeyWords：Perceptron；Fisherdiserimination,BPNetwork；Logisticregression Il 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成 果．据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表 或撰写过的研究成果，也不包含为获得东北师范大学或其他教育机构的学位或证书而使