基于Hopfield神经网络的数据分类

• 作者: 王振华
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: Hopfield神经网络 粒子群优化算法 自联想 分类
• 年，卷（期）: 2011,（z2）
• 所属期刊栏目: 人工智能
• 页码范围: 92-96
• 分类号: TP311.13
• 字数: 6224字
• 语种: 中文

摘要

针对Hopfield神经网络的自联想特性,提出一种新的带有粒子群优化过程的Hopfield分类算法(PSO-HOP).该算法采用了Blatt-Vergin (BV)学习算法,一定程度上克服了传统Hopfield容量低的特点.与此同时,还提出了先测量后训练的方法来降低算法的复杂度,提高分类效率,并探讨了样本属性以及类标号在Hopfield神经网络的表示方法,使其能够很好地处理空缺值等噪声数据.通过采用离散型粒子群优化算法对Hopfield的拓扑结构进行优化,可以将多余的神经元分配给不同属性,使得属性在分类中的权重发生改变,从而提高分类精度,避免陷入局部最优值.从统计不同属性被分配神经元的次数中,可以反映出不同属性的重要程度.从大量实验结果可以看出,该算法具有较高的鲁棒性和分类准确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王振华	天津大学管理与经济学部	7	95	5.0	7.0