论文部分内容阅读
算法复杂度是评价一个算法好坏的重要标准，好的算法可以更加有效的解决问题。本文的主要目的就是基于第二类权函数神经网络理论，推导出第二类Padé权函数神经网络的算法复杂度，找出影响其算法复杂度的因素，以衡量算法的好坏。本文主要研究的是第二类Padé权函数神经网络的算法复杂度，第二类Padé权函数神经网络是一种新型神经网络。本文在第二类权函数神经网络的理论基础上，结合牛顿插值和Padé逼近的相关理论，对第二类Padé权函数神经网络算法的步骤进行了介绍，根据算法复杂度的定义，通过对算法关键步骤的运算次数的分析，得出算法的时间复杂度。在理论分析的基础上，本文通过MATLAB工具对第二类Padé权函数神经网络的算法复杂度进行了仿真实验。本文通过理论分析和实验验证，最终得到了第二类Padé权函数神经网络的算法复杂度的计算公式，其算法复杂度与样本输入维数、输出维数以及样本点个数有关，为mnO N2，其中m为输入维数，n为输出维数，N为样本数目。通过仿真实验验证了第二类Padé权函数神经网络算法复杂度理论分析的正确性，以及第二类Padé权函数神经网络具有算法算法复杂度较低，在解决拓扑结构比较复杂的问题上花费的训练时间较少，具有明显的优势。本文在理论分析的基础上，将第二类Padé权函数神经网络算法与邮件分类结合起来。通过MATLAB仿真实验验证，第二类Padé权函数神经网络算法对垃圾邮件的分类正确率和查全率都比较高。基于第二类Padé权函数神经网络算法的邮件分类方法，可以取得较好的分类效果，可以满足用户的基本需求。