- 相關(guān)推薦
基于合作型協(xié)同進(jìn)化的RBFNN分類算法
摘要：針對(duì)傳統(tǒng)優(yōu)化方法提高徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(RBFNN)分類能力存在的問題,提出一種基于合作型協(xié)同進(jìn)化群體并行搜索的CO-RBFNN學(xué)習(xí)算法.該算法首先利用K-均值算法對(duì)最近鄰方法確定的網(wǎng)絡(luò)初始隱節(jié)點(diǎn)聚類,然后以聚類后的隱節(jié)點(diǎn)群作為子種群進(jìn)行協(xié)同進(jìn)化操作,最終獲得網(wǎng)絡(luò)的最優(yōu)結(jié)構(gòu).算法采用包含整個(gè)網(wǎng)絡(luò)隱節(jié)點(diǎn)結(jié)構(gòu)和控制向量的矩陣式混合編碼方式,隱層和輸出層之間的連接權(quán)值由偽逆法確定.在UCI的8個(gè)數(shù)據(jù)集上進(jìn)行的仿真實(shí)驗(yàn)結(jié)果驗(yàn)證該算法的有效性和可行性. 作者： 田津 李敏強(qiáng) 陳富贊 Author： TIAN Jin LI Min-Qiang CHEN Fu-Zan 作者單位： 天津大學(xué)管理學(xué)院,天津,300072 期 刊： 模式識(shí)別與人工智能 ISTICEIPKU Journal： PATTERN RECOGNITION AND ARTIFICIAL INTELLIGENCE 年，卷(期)： 2008, 21(1) 分類號(hào)： 關(guān)鍵詞： 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(RBFNN) 協(xié)同進(jìn)化 K-均值聚類 分類能力 機(jī)標(biāo)分類號(hào)： H31 G62 機(jī)標(biāo)關(guān)鍵詞： 合作型 協(xié)同進(jìn)化 分類算法 Cooperative Coevolution 隱節(jié)點(diǎn) 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò) 最優(yōu)結(jié)構(gòu) 優(yōu)化方法 學(xué)習(xí)算法 連接權(quán)值 控制向量 均值算法 節(jié)點(diǎn)聚類 結(jié)果驗(yàn)證 節(jié)點(diǎn)結(jié)構(gòu) 分類能力 仿真實(shí)驗(yàn) 方法確定 并行搜索 編碼方式 基金項(xiàng)目： 國家自然科學(xué)基金，教育部跨世紀(jì)優(yōu)秀人才培養(yǎng)計(jì)劃 基于合作型協(xié)同進(jìn)化的RBFNN分類算法[期刊論文] 模式識(shí)別與人工智能 --2008, 21(1)田津 李敏強(qiáng) 陳富贊針對(duì)傳統(tǒng)優(yōu)化方法提高徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(RBFNN)分類能力存在的問題,提出一種基于合作型協(xié)同進(jìn)化群體并行搜索的CO-RBFNN學(xué)習(xí)算法.該算法首先利用K-均值算法對(duì)最近鄰方法確定的網(wǎng)絡(luò)初始隱節(jié)點(diǎn)聚類,然后以聚類后的隱節(jié)點(diǎn)...【基于合作型協(xié)同進(jìn)化的RBFNN分類算法】相關(guān)文章：
基于ε-約束方法的增廣Lagrangian多目標(biāo)協(xié)同進(jìn)化算法05-02
基于進(jìn)化算法的測(cè)控飛機(jī)跟蹤路徑規(guī)劃04-26
基于概率分析進(jìn)化算法的飛行航跡規(guī)劃05-01
競(jìng)爭(zhēng)進(jìn)化與協(xié)同進(jìn)化05-02
基于BP和RBFNN的神經(jīng)網(wǎng)絡(luò)算法在瓦斯預(yù)測(cè)中的應(yīng)用及比較04-27
基于Dijstra算法群布型立交匝道優(yōu)化04-30
基于K路徑算法的多無人機(jī)協(xié)同航跡規(guī)劃05-02