PNN(模式识别).docx

g（x）Vi一概率神经网络概率神经网络（ProbabilisticNeuralNetworks,PNN）是由D.F.Specht在1990年提出的。主要思想是用贝叶斯决策规则,即错误分类的期望风险最小，在多维输入空间内分离决策空间。它是一种基于统计原理的人工神经网络，它是以Parzen窗口函数为激活函数的一种前馈网络模型。PNN吸收了径向基神经网络与经典的概率密度估计原理的优点,与传统的前馈神经网络相比，在模式分类方面尤其具有较为显著的优势。PNN的结构如图所示,共由四层组成，以3类为例，同时设特征向量维数为3。YuInputLayer、:APatternLayer(TrainingSet)Output=ClassofMax(grg2hg3)SummationLayerOutputLayerg2（x）每层的介绍如下:输入层神经元个数旱特征向量维数在输入层申刚络计算输入向童与所有训练样本向童之间的柜离.样木层神经元个数杲训练样本的个212