基于统计学习理论优化感知器的遗传算法

• 作者: 方廷健 范劲松 陶卿
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 统计学习理论 结构化风险 经验风险 VC维 神经网络 遗传算法
• 年，卷（期）: 2001,（2）
• 所属期刊栏目: 研究与应用
• 页码范围: 211-215
• 页数: 5页
• 分类号: TP18
• 字数: 4484字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6059.2001.02.016

摘要

本文提出一种基于统计学习理论优化感知器的遗传方法.该方法将遗传算法和神经网络相结合,通过统计学习理论指导遗传算法优化分类器的过程,避免了传统的感知器分类的偏向性、连接权的局部收敛性、误识率高等弱点;借助于遗传算法全局寻优的特点,使改进后的算法,具有自进化、自适应能力,以及很好的数据推广性能和抗干扰性,提高了神经网络的整体性能.与标准的SVM算法相比,具有更广阔的应用范围.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	方廷健	中国科学院合肥智能机械研究所	50	2136	22.0	46.0
2	陶卿	中国科学技术大学自动化系	23	501	8.0	22.0
3	范劲松	中国科学技术大学电子工程与信息科学系	5	327	5.0	5.0