数据挖掘中BPN与PNN分类的对比研究  

作　　者：袁红星[1] 谷琼[2] 

机构地区：[1]襄樊学院招生就业处,湖北襄樊441053 [2]中国地质大学计算机学院

出　　处：《计算机时代》2006年第9期3-5,共3页Computer Era

基　　金：湖北省自然科学基金项目(2003ABA043);湖北省人文与社科开放基金项目(2004B0011)

摘　　要：分类问题是数据挖掘中的一个重要问题。尽管神经网络是一种高精度的分类器,但是由于神经网络模型众多,在分类预测时如何选择合适的模型,还没有一个普遍的原则。文章对后传播神经网络(BPN)和概率神经网络(PNN)在数据挖掘分类中的应用进行了对比研究,并利用这两种模型对高校研究生信息进行了分类挖掘。仿真结果证明,PNN模型在分类预测上优于BPN模型,而且其分类速度快、正确率高、测试结果稳定。

关 键 词：神经网络 数据挖掘 分类 后传播神经网络 概率神经网络 

分 类 号：TP311.13[自动化与计算机技术—计算机软件与理论]