基于GMM的概率神经网络PNN具有良好的泛化能力
基于GMM的概率神经网络PNN具有良好的泛化能力,快速的学习能力,易于在线更新,并具有统计学的贝叶斯估计理论基础,已成为一种解决像说话人识别、文字识别、医疗图像识别、卫星云图识别等许多实际困难分类问题的很有效的工具。而且PNN不但具有GMM的大部分优点,还具有许多GMM没有的优点,如强鲁棒性,需要更...
基于GMM的概率神经网络PNN具有良好的泛化能力,快速的学习能力,易于在线更新,并具有统计学的贝叶斯估计理论基础,已成为一种解决像说话人识别、文字识别、医疗图像识别、卫星云图识别等许多实际困难分类问题的很有效的工具。而且PNN不但具有GMM的大部分优点,还具有许多GMM没有的优点,如强鲁棒性,需要更...
·期刊论文:挖掘泛化序列模式的一种有效方法...
演示一维数组和多维数组的初始化和基本操作...
·期刊论文:多维度对象数字化信息记录技术研究...
多维数据处理:MATLAB源程序用于处理多维数据...