摘要：模拟电路故障的多样性使得神经网络训练样本数量增加，BP网络结构趋于复杂，训练速度降低；针对反向传播神经网络（BPNN）学习收敛速度慢、易陷入局部极小值等问题，提出了基于主成分分析（PCA）与概率神经网络（PNN）相结合的模拟电路故障诊断方法；通过主成分分析法（Principal Component Analysis）提取特征数据进行降维处理，再结合概率神经网络（Probabilistic Neural Networks）对电路故障进行分类；实例说明采用PCA和PNN结合对故障数据处理，可以大大的提高故障诊断分类的准确性。

原文链接:http://www.cqvip.com//QK/97801A/200812/29083280.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）