单纯形微粒群组合算法优化神经网络及在数据挖掘中的应用

• 作者: 丁翔 方建安
• 来源期刊: 微型电脑应用
• 学科: 工学
• 关键词: 单纯形 微粒群 复合适应度 神经网络 数据挖掘 达优率泛化能力
• 年，卷（期）: 2009,（1）
• 所属期刊栏目: 技术交流
• 页码范围: 43-45,42
• 页数: 4页
• 分类号: TP274
• 字数: 3049字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-757X.2009.01.015

摘要

神经网络作为数据挖掘的重要工具,如果提高神经网络训练过程的达优率与泛化能力,就能够改善其在分类预测任务中的预测准确度和噪声承受力.该文提出以复合适应度代替传统的均方误差作为神经网络的训练指标,从而改善神经网络泛化能力;并将用于训练神经网络微粒群算法通过单纯形算法改进,从而提高了全局搜索能力与达优率.最终产生一种基于复合适应度的单纯微粒群神经网络训练算法模型.将这样的模型应用于数据挖掘的预测任务中,实验结果表明,预测准确度和噪声承受力均有所提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	方建安		87	615	13.0	19.0
2	丁翔		1	1	1.0	1.0