导读:本文包含了学习矢量量化神经网络论文开题报告文献综述及选题提纲参考文献,主要关键词:人工神经网络,财务失败预测,LVQ
学习矢量量化神经网络论文文献综述
康彩丽[1](2018)在《学习矢量量化神经网络在财务失败预测中的应用》一文中研究指出近些年来,神经网络方法被引入财务失败预测中。LVQ计算方法被应用到中国上市公司的财务危机预测模型中,通过对网络的反复训练和学习,得到了较满意的预测结果。对传统的BP神经网络方法与LVQ神经网络方法进行了分析比较。研究结果表明,LVQ比BP算法具有更高的预测精度。(本文来源于《长治学院学报》期刊2018年05期)
李萍[2](2018)在《学习矢量量化神经网络在乳腺肿瘤诊断中的应用》一文中研究指出传统的乳腺肿瘤诊断主要是通过医学影像,由专家进行判断,这种方法存在较大的主观性。为了提高乳腺肿瘤的诊断率,利用学习矢量量化(LVQ)神经网络进行建模,由于LVQ神经网络本身结构较为简单,利用其进行乳腺肿瘤诊断是最优的一种方法,通过对网络模型进行训练和仿真,发现诊断的准确率较高。(本文来源于《山西电子技术》期刊2018年04期)
周晓克[3](2018)在《基于经验小波变换和学习矢量量化神经网络的输电线路故障分类》一文中研究指出随着特高压电网的建设规模不断扩大,我国的电力系统迈向了远距离、大容量低损耗的输电模式,给社会生产和人民生活带来了巨大的经济效益。随着输电电压等级的逐步提高以及电网结构日趋复杂,对现代电力系统运行的安全稳定性提出了更高的要求。输电线路作为电力网络传输的载体,是电力系统中的重要组成部分,一旦发生短路故障,将会给国民经济和人民生活带来巨大损失。因此,建立一种行之有效的输电线路故障检测及分类模型,对于确保电力系统稳定运行有重要的现实意义。本文将输电线路发生故障时的暂态电流作为研究对象,并在结合信号处理技术和人工智能算法的基础上,提出了一种基于经验小波变换和学习矢量量化神经网络的输电线路故障分类方法。具体研究内容如下:采取经验小波变换提取暂态电流故障特征。传统的信号处理技术都有一定的局限性,而经验小波变换能自适应地分解信号,并通过仿真分析,验证了经验小波变换可以有效地抑制经验模态分解出现的模态混迭现象,能够准确地分析暂态电流的故障信息。根据经验小波变换理论,研究并建立了叁种基于输电线路暂态电流的故障特征提取方法,分别从信号的频域和时频域角度出发,有效准确地分析出故障信息并对其进行归一化处理,最终得到了32维的故障特征向量,真实的反映了暂态电流的故障特性。选用基于蜂群算法优化的学习矢量量化神经网络作为输电线路故障分类器。通过引入蜂群算法,改善了学习矢量量化神经网络对初值敏感的缺陷,提升了故障分类器的分类性能。利用Matlab建立了500kV超高压输电线路仿真模型,将大量的样本数据用以训练神经网络分类器,通过训练完毕的故障分类模型对故障数据进行识别,最后仿真结果表明了该输电线路故障分类模型的有效性。(本文来源于《燕山大学》期刊2018-05-01)
李萍[4](2018)在《学习矢量量化神经网络在人脸朝向识别中的应用》一文中研究指出人脸朝向识别的研究具有重要意义,建立了基于人工神经网络(ANN)的人脸朝向识别模型,根据学习矢量量化(LVQ)神经网络的原理,利用MATLAB神经网络工具箱,完成网络的建立、网络训练和网络测试,并通过仿真实验来实现人脸定位识别。实验结果表明,LVQ神经网络模型判断并识别任何特定人脸图像的方法是有效的。(本文来源于《忻州师范学院学报》期刊2018年02期)
魏永合,刘炜,杨艳君,王志伟[5](2018)在《基于流形学习与学习矢量量化神经网络的齿轮故障诊断模型》一文中研究指出为了提高对齿轮非平稳、非线性故障振动信号的可分性及其故障诊断的准确性,并针对其高维数据样本的特点提出一种基于流形学习与LVQ的齿轮故障诊断模型。该模型首先利用集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)方法进行齿轮故障振动信号的分解,得到一系列固有模式函数(Intrinsic Model Function,IMF)分量。接下来对含有主要故障信息的IMF分量进行特征提取和选择并构造高维观测样本,再用流形学习等距特征映射(ISOMAP)算法对初步的高维观测样本故障特征进行进一步的提取并对特征属性的数量进行压缩,在保留齿轮故障特征的整体几何结构信息的同时降低了特征数据的复杂度,增强了齿轮故障模式识别的分类性能。最后通过学习矢量量化神经网络(Learning Vector Quantization,LVQ)根据样本的特征将样本划分到一定的类别中去从而实现模式识别。通过比较实验结果来验证该模型的可行性。(本文来源于《组合机床与自动化加工技术》期刊2018年04期)
张弘强,王春红[6](2015)在《基于学习矢量量化(LVQ)神经网络的医学生化分析系统》一文中研究指出本文将医学生化分析转化为一个分类问题,提出了一种基于学习矢量量化神经网络的医学生化分析方法。该方法不须要进行样本颜色色空间转换,只需利用设备原有RGB颜色空间颜色值即可实现。将实验结果与颜色色差方法进行了比对分析,预测结果一致,将此方法用于医学生化分析是可行而有效的。(本文来源于《自动化技术与应用》期刊2015年08期)
张弘强,王春红[7](2013)在《用学习矢量量化(LVQ)神经网络进行教师评估》一文中研究指出针对教师评估中考评指标过多、评价工作复杂化问题,提出了一种基于LVQ神经网络的教师评估方法。利用Matlab神经网络工具箱进行仿真实验,结果表明,该网络具有结构简单,学习速度快、分类稳定的特点,用LVQ神经网络进行教师评估是可行而有效的。(本文来源于《齐齐哈尔大学学报(自然科学版)》期刊2013年01期)
李敏,余正涛[8](2012)在《结合概率型神经网络(PNN)和学习矢量量化(LVQ)算法的文本分类方法》一文中研究指出针对文本自动分类问题,提出一种基于概率型神经网络(PNN)和学习矢量量化(LVQ)相结合的文本分类算法,该方法借助TFIDF方法提取文本特征及特征值,形成文本分类特征向量,利用概率型神经网络构建分类模型,并利用LVQ学习算法对神经网络模型竞争层网络进行学习,使相应模式向量相互靠拢,远离其他模式,从而实现文本分类.实验结果表明,提出的该方法在文本分类中表现了很好的效果,不仅具有很好的分类准确率,还表现出很好的学习效率.(本文来源于《计算机系统应用》期刊2012年10期)
梁娜,张吉刚[9](2012)在《基于学习矢量量化(LVQ)神经网络的高校毕业生学位评审预测》一文中研究指出利用影响毕业生学位评审的五大指标:学习成绩、实习成绩、论文成绩、英语四级、计算机等级,提出基于学习矢量量化LVQ(Learning Vector Quantization,LVQ)神经网络的高校毕业生学位评审预测模型.以某高校某专业毕业生的实际数据为例,验证了此方法的预测能力.结果表明,基于LVQ神经网络的高校毕业生学位评审预测模型,能为评审学位的工作者提供有益的辅助参考.(本文来源于《甘肃科学学报》期刊2012年01期)
田金亭,甘媛源,余嘉元[10](2011)在《基于学习矢量量化神经网络的创造力评价》一文中研究指出剖析了创造力评价的重要意义及当前存在的问题,根据创造力评价指标及等级的数目,构建了由输入层、隐含层、输出层组成的学习矢量量化(LVQ)神经网络,用训练好的网络对测试样本进行仿真测试,仿真结果和实际情况正好相符,体现出LVQ神经网络在创造力评价中的实用性和有效性。(本文来源于《统计与决策》期刊2011年03期)
学习矢量量化神经网络论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
传统的乳腺肿瘤诊断主要是通过医学影像,由专家进行判断,这种方法存在较大的主观性。为了提高乳腺肿瘤的诊断率,利用学习矢量量化(LVQ)神经网络进行建模,由于LVQ神经网络本身结构较为简单,利用其进行乳腺肿瘤诊断是最优的一种方法,通过对网络模型进行训练和仿真,发现诊断的准确率较高。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
学习矢量量化神经网络论文参考文献
[1].康彩丽.学习矢量量化神经网络在财务失败预测中的应用[J].长治学院学报.2018
[2].李萍.学习矢量量化神经网络在乳腺肿瘤诊断中的应用[J].山西电子技术.2018
[3].周晓克.基于经验小波变换和学习矢量量化神经网络的输电线路故障分类[D].燕山大学.2018
[4].李萍.学习矢量量化神经网络在人脸朝向识别中的应用[J].忻州师范学院学报.2018
[5].魏永合,刘炜,杨艳君,王志伟.基于流形学习与学习矢量量化神经网络的齿轮故障诊断模型[J].组合机床与自动化加工技术.2018
[6].张弘强,王春红.基于学习矢量量化(LVQ)神经网络的医学生化分析系统[J].自动化技术与应用.2015
[7].张弘强,王春红.用学习矢量量化(LVQ)神经网络进行教师评估[J].齐齐哈尔大学学报(自然科学版).2013
[8].李敏,余正涛.结合概率型神经网络(PNN)和学习矢量量化(LVQ)算法的文本分类方法[J].计算机系统应用.2012
[9].梁娜,张吉刚.基于学习矢量量化(LVQ)神经网络的高校毕业生学位评审预测[J].甘肃科学学报.2012
[10].田金亭,甘媛源,余嘉元.基于学习矢量量化神经网络的创造力评价[J].统计与决策.2011