[原创]基于R语言的概率神经网络(PNN)

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

一个较好的概率神经网络资源算法：

本帖隐藏的内容

pNN概率神经网络(基于C语言伪码和Matlab代码).pdf (503.36 KB)

2015-8-23 14:36:12 上传

1.1首先需要构造归一化函数：

本帖隐藏的内容

1. #  function
   
2. #  基于高斯核函数
   
3. #  首先是矩阵的归于化的函数
   
4. #  模仿matlab的归一化mapminmax函数
   
5. #  将范围缩小至minNum和maxNum之间
   
6. mapminmaxDirect<-function(xData, minNum , maxNum)
   
7. {
   
8.   if(!is.matrix(xData))
   
9.   {
   
10.     stop('error input current data')
    
11.   }
    
12.   
    
13.   N<-nrow(xData)
    
14.   
    
15.   #  每列的最大最小值
    
16.   maxX <- matrix(apply(xData,2,max),nrow = 1)
    
17.   
    
18.   minX <- matrix(apply(xData,2,min),nrow = 1)
    
19.   
    
20.   #  针对x的数据进行转换
    
21.   maxXMat <- matrix(rep(maxX , N),nrow = N ,byrow = TRUE)
    
22.   minXMat <- matrix(rep(minX , N),nrow  = N , byrow = TRUE)
    
23.   
    
24.   #  转换为新的数据
    
25.   xTransform <- (maxNum - minNum)/(maxXMat - minXMat)*(xData - minXMat)+
    
26.     minNum
    
27.   result<-list()
    
28.   
    
29.   #  返回的结果
    
30.   
    
31.   result$maxNum<-maxNum
    
32.   result$minNum <- minNum
    
33.   result$xTransform <- xTransform
    
34.   result$minX<-minX
    
35.   result$maxX <- maxX
    
36.   
    
37.   return(result)
    
38.   
    
39. }

复制代码

随后是反归一化函数

本帖隐藏的内容

1. #  数据进行归一化当然还需要进行反归一化
   
2. #  反归一化函数
   
3. mapminmaxReverse<-function(xData , modelMapminmax)
   
4. {
   
5.   if(!is.list(modelMapminmax))
   
6.   {
   
7.     stop('error input data')
   
8.   }
   
9.   
   
10.   if (!setequal(c("maxNum","minNum","xTransform","minX","maxX" ),
    
11.                names(modelMapminmax)))
    
12.   {
    
13.     stop('error input data list')
    
14.   }
    
15.   
    
16.   N <- nrow(xData)
    
17.   
    
18.   maxX<-modelMapminmax$maxX
    
19.   minX<-modelMapminmax$minX
    
20.   maxNum<-modelMapminmax$maxNum
    
21.   minNum<-modelMapminmax$minNum
    
22.   
    
23.   maxXMat <- matrix(rep(maxX , N),nrow = N ,byrow = TRUE)
    
24.   minXMat <- matrix(rep(minX , N),nrow  = N , byrow = TRUE)
    
25.   
    
26.   preX<-(xData - minNum)/(maxNum - minNum)*(maxXMat - minXMat)+minXMat
    
27.   return(preX)
    
28.    
    
29.   
    
30. }
    
31. 
    
32. 
    
33. #  数据的重归一化
    
34. mapminmaxPre<-function(xData , modelMapminmax)
    
35. {
    
36.   if(!is.list(modelMapminmax))
    
37.   {
    
38.     stop('error input data')
    
39.   }
    
40.   
    
41.   if (!setequal(c("maxNum","minNum","xTransform","minX","maxX" ),
    
42.                 names(modelMapminmax)))
    
43.   {
    
44.     stop('error input data list')
    
45.   }
    
46.   
    
47.   maxX<-modelMapminmax$maxX
    
48.   minX<-modelMapminmax$minX
    
49.   maxNum<-modelMapminmax$maxNum
    
50.   minNum<-modelMapminmax$minNum
    
51.   
    
52.   N<-nrow(xData)
    
53.   
    
54.   maxXMat <- matrix(rep(maxX , N),nrow = N ,byrow = TRUE)
    
55.   minXMat <- matrix(rep(minX , N),nrow  = N , byrow = TRUE)
    
56.   
    
57.   #  转换为新的数据
    
58.   xNew <- (maxNum - minNum)/(maxXMat - minXMat)*(xData - minXMat)+
    
59.     minNum
    
60.   return(xNew)
    
61.   
    
62. }
    
63. 
    
64. 
    
65. #  归一化函数的检测
    
66. xData <- matrix(rnorm(100,mean = 0,sd = 1),nrow = 25)
    
67. #  -1至1之间的归一化
    
68. result<-mapminmaxDirect(xData , -1 ,1)
    
69. #  反归一化
    
70. mapminmaxReverse(result$xTransform , result)
    
71. xNewData<-matrix(rnorm(60,mean = 0,sd = 1),nrow = 15)
    
72. mapminmaxPre(xNewData , result)

复制代码

1.2 概率神经网络(PNN)源码：

本帖隐藏的内容

1. #  概率神经网络
   
2. pnn<-function(xData , classX , testData ,Sigma)
   
3. {
   
4.   if(!is.matrix(xData) || !is.matrix(classX) || !is.matrix(testData))
   
5.   {
   
6.     stop('error input current data')
   
7.   }
   
8.   
   
9.   if(ncol(xData)!=ncol(testData))
   
10.   {
    
11.     stop('error input data')
    
12.   }
    
13.   
    
14.   nxData<-nrow(xData)
    
15.   ntestData<-nrow(testData)
    
16.   
    
17.   disMatrix<-matrix(0,ntestData , nxData)
    
18.   
    
19.   #  首先将数据进行归一化
    
20.   
    
21.   minNum <-(-1)
    
22.   maxNum <- 1
    
23.   
    
24.   result<-mapminmaxDirect(xData ,minNum , maxNum )
    
25.   xNewData <- result$xTransform
    
26.   testNewData<-mapminmaxPre(testData , result)
    
27.   
    
28.   #  首先计算disMatrix
    
29.   for (i in c(1:ntestData))
    
30.   {
    
31.     oneTest<-testNewData[i,,drop = FALSE]
    
32.     oneTestMat <- matrix(rep(oneTest , nxData),nrow = nxData , byrow = TRUE)
    
33.     #  采用欧式距离
    
34.     disMatrix[i,]<-sqrt(apply((oneTestMat - xNewData)^2,1,sum))
    
35.    
    
36.   }
    
37.   #  初始概率矩阵
    
38.   probMatrix<-exp(-disMatrix/(2*Sigma^2))
    
39.   
    
40.   totalClass <-sort(unique(classX))
    
41.   
    
42.   lastProbMatrix<-matrix(0,ntestData , length(totalClass))
    
43.   
    
44.   for (i in c(1:ntestData))
    
45.   {
    
46.     pro<-probMatrix[i,,drop = FALSE]
    
47.     for (j  in c(1:length(totalClass)))
    
48.     {
    
49.       ijIndex<-which(classX == totalClass[j])
    
50.       lastProbMatrix[i,j]<-sum(pro[ijIndex])
    
51.     }
    
52.    
    
53.   }
    
54.   
    
55.   #  最后根据lastProbMatrix进行评价
    
56.   pos<-apply(lastProbMatrix,1,which.max)
    
57.   return(pos)
    
58.   
    
59. }

复制代码

一个Demo：

1. Sigma<-1
   
2. 
   
3. xData1 <-matrix(runif(10,0,1),ncol = 2)
   
4. xData2<-matrix(runif(10,1,2),ncol = 2)
   
5. xData3 <-matrix(runif(10,2,3),ncol = 2)
   
6. xData<-rbind(xData1,xData2,xData3)
   
7. 
   
8. classX<-rbind(matrix(1,nrow = 5),matrix(2,nrow = 5),
   
9.               matrix(3,nrow = 5))
   
10. testData1 <-matrix(runif(10,0,1),ncol = 2)
    
11. testData2<-matrix(runif(10,1,2),ncol = 2)
    
12. testData3 <-matrix(runif(10,2,3),ncol = 2)
    
13. testData<-rbind(testData3,testData2,testData1)
    
14. pnn(xData , classX , testData ,Sigma)
    
15. #  ans [1] 3 3 3 3 3 2 2 2 2 2 1 1 1 1 1
    
16. #  eof

复制代码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享1 收藏19 回帖

关键词：神经网络 神经网 R语言 function Direct 网络

看看

好东西，多谢了

博观而约取,厚积而薄发，感谢分享，感谢楼主！

概率神经网络(PNN)应当用SAS来做

感谢分享

gooooooooooooooood