公开(公告)号：CN111797937B

公开(公告)日：2023-06-13

申请号：CN202010678726.6

申请日：2020-07-15

Applicant: 东北大学

Inventor： 关守平 ,  方秋杨 ,  陈旭涛

IPC: G06F18/23213 ,  G06N3/006 ,  G06F18/214 ,  G06N3/0464 ,  G06F18/24

Abstract: 本发明提供一种基于PNN网络的温室环境评估方法，涉及设施农业技术领域。该方法首先建立一个的温室环境参数样本库，并对样本分类后分为训练样本和测试样本；然后使用改进的K‑means聚类算法对训练样本进行聚类处理，根据代表性样本选择阈值，选择出一批代表性样本作为PNN网络新的训练样本；对新的训练样本归一化后训练PNN网络，利用训练后的PNN网络对归一化后的测试样本进行等级评估，并计算对测试样本进行分类的错误率；最后令PNN中相同类别的模式层神经元采用相同的平滑因子，不同类别的模式层神经元采用不同的平滑因子，再将分类的错误率作为粒子群优化算法的目标函数来修改PNN网络的平滑因子，得到一个最优的PNN分类模型。

公开(公告)号：CN111797937A

公开(公告)日：2020-10-20

申请号：CN202010678726.6

申请日：2020-07-15

Applicant: 东北大学

Inventor： 关守平 ,  方秋杨 ,  陈旭涛

IPC: G06K9/62 ,  G06N3/00 ,  G06N3/04

Abstract: 本发明提供一种基于PNN网络的温室环境评估方法，涉及设施农业技术领域。该方法首先建立一个的温室环境参数样本库，并对样本分类后分为训练样本和测试样本；然后使用改进的K-means聚类算法对训练样本进行聚类处理，根据代表性样本选择阈值，选择出一批代表性样本作为PNN网络新的训练样本；对新的训练样本归一化后训练PNN网络，利用训练后的PNN网络对归一化后的测试样本进行等级评估，并计算对测试样本进行分类的错误率；最后令PNN中相同类别的模式层神经元采用相同的平滑因子，不同类别的模式层神经元采用不同的平滑因子，再将分类的错误率作为粒子群优化算法的目标函数来修改PNN网络的平滑因子，得到一个最优的PNN分类模型。