基于k均值和量子遗传算法的RBF网络优化

• 作者: 庞韶宁 杨杰 覃锡忠 贾振红 赵磊
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 早熟 k均值 量子遗传算法 适应度
• 年，卷（期）: 2011,（10）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 152-153
• 分类号: TP18
• 字数: 1682字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2011.10.051

摘要

针对遗传算法容易出现早熟的问题,提出一种基于k均值和量子遗传算法的径向基函数(RBF)神经网络组合优化方法.通过k均值聚类求取网络的中心,用量子遗传算法训练网络的权值,利用量子染色体的表示方式以及量子染色体的更新提高算法的并行性,从而解决遗传算法早熟的问题,提高网络的适应度.相对于PSO-RBF和ACO-RBF,该方法提高网络的收敛速度,实现对RBF网络的优化.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨杰	上海交通大学图像处理与模式识别研究所	340	5370	35.0	58.0
2	贾振红	新疆大学信息科学与工程学院	286	1621	18.0	28.0
3	覃锡忠	新疆大学信息科学与工程学院	125	691	13.0	18.0
4	赵磊	新疆大学信息科学与工程学院	3	21	2.0	3.0