（三）基于ANN的分类方法

ANN是一种模拟人类大脑神经突触联结结构的数学模型，它通过模仿人类的神经系统结构，将大量的逻辑节点连接成网络。[5]目前ANN发展迅速，出现了许多的网络模型，如径向基（Radial Basis Function，RBF）神经网络以及反向传播（Back Propagation，BP）神经网络等。[6]

基于ANN的分类方法有如下主要优点:①分类准确率较高；②具有较强的数据并行处理能力；③学习能力强；④容错能力强；⑤对噪声不敏感；⑥鲁棒性较好；⑦有联想和记忆能力；⑧泛化能力好，适用于样本数量少、维度高的样本分类问题。

该分类方法的主要缺点有:①需要用户设定ANN的拓扑结构、初始阈值和节点的连接权值；②ANN在分类过程中不能人为干涉，因而使得分类规则不易为用户所理解；③ANN在学习过程中的耗时较长；④该方法不能保证达到预测效果。