概率神经网络下测试数据分析处理.docVIP

概率神经网络下测试数据分析处理 　　摘要:随着管理技术的发展,测试数据作为管理中的重要组成部分正在得到越来越广泛的重视。为了使现有的监测水平得到进一步提高,就需要使用先进的数学工具和手段来识别测试数据的真假。通过这些手段的运用来实现数据的优化,并同时统计测试数据样本模型来预测可能出现的错误信息。因此对测试数据数理统计的研究具有一定的理论价值和实用价值。 　　关键词:测试数据;神经网络;分析处理 　　中图分类号:TP18文献标识码:A文章编号:1009-3044(2009)32-9026-02 　　The Analysis and Treatment ofData Using Probabilistic Neural Network 　　FANG Liang1, GAO Jun2 　　(1.Office of Radio Administrator Conference of Anhui ChaoHu Branch, Chaohu 238000, China; 2.Hefei University of Technology, Department of Computer and Information, Hefei 230000, China) 　　Abstract: With the development of management technology, motoring data of management, as an important part of being more widely appreciated. For the monitor level of the current can be further raised, which require the use of advanced mathematical tools and instruments to identify the monitoring data is true or not. Through these means used to achieve the optimization of the dated, while statistical monitoring data sample model to predict the possible error message. Therefore, it has a certain theoretical value and practical value to the mathematical statistics study of the monitoring data. 　　Key words: monitoring data; false signal; probabilistic 　　近些年来,在随着管理业务向高频段,大范围方向发展,管理监测的网络化和干扰也越来越多,一个诸如国家管理监测系统和管理系统的建立,测试数据越来越被技术人员所重视。 　　针对管理监测的主要任务:1) 对信号实施搜索截获;2) 对信号进行测量;3) 对信号的监听与监视;4) 对信号的分析处理;5) 对信号进行识别;6) 对信号辐射源的测向定位;7) 实施数据记录。对于上述7个重要任务而言,管理监测设备已经帮助我们完成前3项的大部分工作了,而对于后面的工作就需要必须明确一个问题。那就是如何识别所截获的管理信号为真实可信,同时根据可信的信息来判断信号的异常。 　　1 模型建立 　　本文拟解决的难点主要是:1) 管理测试数据产生虚假数据的原因以及主要表现;2) PPN模型的建立与实际意义;3) PNN模型实际效用,是不是能达到预期;4) PPN模型建立是否能消除管理虚假数据的产生。 　　我们现在利用PNN网络来解决虚假信号的判定,前面已经说明在判断虚假信号前,我们已经有效的判定出信号的调制方式,那么下面我们可用一个4层次网络来构建一个PNN,第一层为输入层,包括N个神经元,每个神经元对应着一个输入变量。这一层的作用是将输入信号转化为分布的方式来表示,第二层为模式层,它与输入层之间通过,连接权W相连接,通常模式层的每一单元与一个训练样本相对应。 　　由模式神经元j通过传递函数对1×n维的输入向量Xi进行处理,最普遍使用的传递函数形式是指数函数: 　　(1) 　　其中σ是平滑参数,这一传递函数的值域在0和1之间。当输入向量Xi和模式神经元j的向量Xj之间的距离增加时,神经元的输出值Sij将接近0,这表明两个数据向量之间相似性小。另一方面,当距离‖Xj-Xi‖减小时,神经元j的输出值将接近1,这表明两个数据向量之间存在明显的相似性。如果Xi和Xj相同,则模式神经元j的输出将准确