分子三次分母二次有理樣條權函數(shù)神經(jīng)網(wǎng)絡的復雜度分析與應用.pdf

1、相同的問題可用多種算法解決，而所采用的算法質量的優(yōu)劣直接影響算法甚至程序的效率，算法的質量直接體現(xiàn)在算法復雜度上。本文旨在樣條權函數(shù)神經(jīng)網(wǎng)絡的基礎上，研究第一類分子三次分母二次有理樣條權函數(shù)神經(jīng)網(wǎng)絡的復雜度，并將其應用于工程項目。
　　選取分子三次分母二次有理樣條函數(shù)為神經(jīng)網(wǎng)絡的權函數(shù)，結合權函數(shù)神經(jīng)網(wǎng)絡理論知識、Hermite插值方法及有理樣條函數(shù)性質，建立線性方程組，構造一類分子三次分母二次有理樣條權函數(shù)神經(jīng)網(wǎng)絡，再結合Pea

2、no核定理、矩陣 LU分解、算法復雜度定義以及線性方程組求解等知識對復雜度進行理論分析與研究，計算得出第一類分子三次分母二次有理樣條權函數(shù)神經(jīng)網(wǎng)絡的算法復雜度。在理論分析的基礎上，使用MATLAB仿真工具對此類神經(jīng)網(wǎng)絡算法的復雜度進行仿真。
　　理論分析表明分子三次分母二次有理樣條權函數(shù)神經(jīng)網(wǎng)絡算法復雜度輸入維數(shù)、輸出維數(shù)以及和樣本個數(shù)呈線性關系，關系表達式為T?O?mnN?，其中m為輸入維數(shù)， n為輸出維數(shù)，N為樣本個數(shù)。

3、>　　通過MATLAB仿真實驗驗證了理論分析結果的正確性，即當輸入、輸出維數(shù)以及樣本個數(shù)這三個變量中其中兩個變量固定的情況下，仿真所花費的時間與剩余變量基本呈線性增長。表明了該類神經(jīng)網(wǎng)絡算法時間復雜度低，訓練速度快。
　　本文基于上述理論分析的結果，研究分子三次分母二次有理樣條權函數(shù)在數(shù)據(jù)挖掘分類方面的應用，對網(wǎng)絡流量進行分類。選取適當?shù)奶卣黜?，建立基于第一類分子三次分母二次有理樣條權函數(shù)神經(jīng)網(wǎng)絡的網(wǎng)絡流量分類模型，對數(shù)據(jù)預處理之