基于人工神经网络预测与分类的应用研究

发布时间：2017-08-31 07:24

  本文关键词：基于人工神经网络预测与分类的应用研究

  更多相关文章： 极端最低气温 RBF 相空间重构 降水量 PCA-BP BP PLS 癌症基因分类 SVM S-Kohonen

【摘要】：在全球气候变化的背景下,气候变化对极端温度、降水量甚至人体健康等均产生了重要的影响。极端温度和降水量的预报对社会经济、农业生产和城市内涝防控具有现实的重要意义。本文采用人工神经网络对极端温度和降水量进行建模预测,同时在结肠癌基因表达数据的基础上,对癌症基因类别分类研究。以上研究可以为极端温度和降水量准确性的预测及癌症基因的正确分类提供了可靠的理论基础,具有科学的实践意义。文章主要研究两方面的内容,一方面是理论研究,对RBF神经网络的基函数中心选取进行了研究分析,并采用试算法对RBF神经网络模型中的平滑因子进行选取利用相空间重构和主成分分析的两种方法对神经网络进行优化分析;另一方面是几种人工神经网络在极端气候的预测和癌症基因分类中的应用研究,通过网络的模型建立对实际问题进行预测分析。本文首先以张北1956-2009年的气象数据为研究对象,采用几种不同的人工神经网络建立极端最低气温和降水量模型,并将其不同模型的预测结果进行分析对比;其次,利用相空间重构的方法来确定了网络的输入维数,减少了冗余的自变量,从而构建了基于相空间重构和RBF神经网络相结合的预测模型,该方法克服了RBF神经网络的不稳定,提高了预测精度。然后,文中利用了BP神经网络、主成分分析优化的BP神经网络和偏最小二乘算法(PLS)对降水量建立了预测模型。通过PLS算法降水量预测模型的主要因素进行了分析,得到了多变量方程。结果表明,PLS算法既解决了BP神经网络的不稳定性的缺点,同时也缩短了神经网络的运行时间,提高了泛化能力。最后,本文将人工神经网络应用于癌症基因分类中,采用BP、SVM、S-Kohonen方法分别建立了癌症基因分类预测模型,对癌症患者术后的复发和不复发的基因样本进行类别分类,三种预测方法的对比结果表明:基于S-Kohonen方法的预测类别与测试类别基本趋于吻合,分类效果较优。
【关键词】：极端最低气温 RBF 相空间重构 降水量 PCA-BP BP PLS 癌症基因分类 SVM S-Kohonen
【学位授予单位】：中北大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP183
【目录】：

• 摘要4-5
• Abstract5-9
• 第一章 绪论9-14
• 1.1 研究背景及意义9-10
• 1.2 人工神经网络的发展概述10-11
• 1.3 本文的主要工作及结构安排11-14
• 第二章人工神经网络和PLS算法的原理和方法14-22
• 2.1 BP网络基本原理14-15
• 2.2 RBF网络基本原理15-17
• 2.3 Kohonen网络基本原理17-19
• 2.4 支持向量机基本原理19-21
• 2.5 偏最小二乘(PLS)算法基本原理21
• 2.6 本章小结21-22
• 第三章 相空间重构的RBF神经网络对极端最低气温的预测研究22-30
• 3.1 相空间重构的理论方法22-25
• 3.1.1 时间延迟τ的确定22-24
• 3.1.2 嵌入维数的确定24-25
• 3.2 相空间重构和RBF神经网络相结合在极端最低气温的模型建立25-27
• 3.3 预测结果27-29
• 3.3.1 训练过程28
• 3.3.2 预测过程28-29
• 3.4 本章小结29-30
• 第四章 BP、PCA-BP网络和PLS算法在城市降水量的预测研究30-39
• 4.1 主成分分析(PCA)30-31
• 4.1.1 PCA模型30-31
• 4.1.2 PCA基本步骤31
• 4.2 BP网络对城市降水量的模型建立及预测结果31-32
• 4.3 PCA-BP网络对城市降水量的模型建立及预测结果32-34
• 4.4 PLS算法在城市降水量的模型建立及预测结果34-36
• 4.5 三种模型在张北市2009年城市降水量中的预测结果对比36-37
• 4.6 本章小结37-39
• 第五章 三种神经网络在癌症基因表达中的分类研究39-45
• 5.1 BP网络在癌症基因表达分类中的研究39-41
• 5.2 支持向量机在癌症基因表达分类中的研究41-42
• 5.3 S-Kohonen网络在癌症基因表达分类中的研究42-43
• 5.4 三种分类结果的分析比较43-44
• 5.5 本章小结44-45
• 第六章 总结与展望45-46
• 6.1 研究的主要内容45
• 6.2 不足与展望45-46
• 参考文献46-50
• 攻读硕士学位期间发表的学术论文目录50-51
• 致谢51-52

【相似文献】

中国期刊全文数据库 前10条

1 云中客;新的神经网络来自于仿生学[J];物理;2001年10期

2 唐春明,高协平;进化神经网络的研究进展[J];系统工程与电子技术;2001年10期

3 李智;一种基于神经网络的煤炭调运优化方法[J];长沙铁道学院学报;2003年02期

4 程科,王士同,杨静宇;新型模糊形态神经网络及其应用研究[J];计算机工程与应用;2004年21期

5 王凡,孟立凡;关于使用神经网络推定操作者疲劳的研究[J];人类工效学;2004年03期

6 周丽晖;从统计角度看神经网络[J];统计教育;2005年06期

7 赵奇 ,刘开第 ,庞彦军;灰色补偿神经网络及其应用研究[J];微计算机信息;2005年14期

8 袁婷;;神经网络在股票市场预测中的应用[J];软件导刊;2006年05期

9 尚晋;杨有;;从神经网络的过去谈科学发展观[J];重庆三峡学院学报;2006年03期

10 杨钟瑾;;神经网络的过去、现在和将来[J];青年探索;2006年04期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 曾U喺，

本文编号：764240