改进的遗传谐振匹配网络学习算法

• 作者: 于合龙 温长吉 王生生 苏恒强
• 来源期刊: 华中科技大学学报：自然科学版
• 学科: 工学
• 关键词: 简单自适应谐振匹配 自适应遗传算法 裁剪算子 置信度因子 过学习
• 年，卷（期）: 2011,（11）
• 所属期刊栏目: 计算机与控制工程
• 页码范围: 47-49,67
• 分类号: TP183
• 语种: 中文

摘要

针对简单自适应匹配（SFAM）网络结构冗余的问题提出一种改进遗传谐振匹配网络学习算法.通过引入群体适应度均值和标准差来自适应调整交叉概率和变异概率;针对自适应谐振网络自身在训练过程中可能出现的类冗余问题,在遗传操作中引入裁剪算子,通过定义置信度因子依据规则对训练过程中网络可能出现的冗余类标志节点进行删除,降低网络结构的冗余度.与SFAM,ssFAM,ssGAM和ssEAM的网络对比实验结果表明：改进后的网络学习算法能明显提高网络分类精度,降低网络冗余度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王生生	吉林大学计算机科学与技术学院	63	623	11.0	23.0
2	于合龙	吉林农业大学信息技术学院	80	454	10.0	18.0
3	苏恒强	吉林农业大学信息技术学院	19	218	8.0	14.0