基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
自适应变异粒子群算法具备了基本粒子群算法和遗传算法优点,用此算法寻找BP网络较好的网络权值和阈值,使得BP网络的全局误差最小化,不仅可以克服基本BP算法收敛速度慢和易陷入局部极值的局限,而且模型的精度高。仿真实验结果表明,本算法与传统的分类方法相比,具有更高的正确率.验证了自适应变异粒子群算法优化BP神经网络是一种有效的分类方法。
推荐文章
基于自适应周期变异粒子群优化BP神经网络的旋转机械故障诊断
粒子群优化
自适应周期变异
BP神经网络
故障诊断
自适应变异粒子群优化BP的短期风电功率预测模型
短期风电预测
互信息
自适应惯性权重系数
变异因子
反向传播神经网络
基于面向对象自适应粒子群算法的神经网络训练
神经网络
粒子群优化算法
面向对象方法
拓扑结构优化
基于粒子群算法优化神经网络的电子音乐分类模型
电子音乐分类模型
神经网络优化
数据收集
特征提取
多特征融合
分类结果输出
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 自适应变异粒子群算法优化BP神经网络在音乐分类中的应用
来源期刊 微型机与应用 学科 工学
关键词 音乐分类 神经网络 粒子群优化算法 交叉算子
年,卷(期) 2012,(1) 所属期刊栏目 技术与方法
研究方向 页码范围 64-66,72
页数 分类号 TH124
字数 语种 中文
DOI 10.3969/j.issn.1674-7720.2012.01.021
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 彭建喜 佛山职业技术学院电子信息系 17 54 5.0 6.0
2 喻晓 佛山职业技术学院电子信息系 15 23 3.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (1)
共引文献  (9)
参考文献  (5)
节点文献
引证文献  (6)
同被引文献  (6)
二级引证文献  (1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(2)
  • 参考文献(2)
  • 二级参考文献(0)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(2)
  • 参考文献(2)
  • 二级参考文献(0)
2012(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2013(2)
  • 引证文献(2)
  • 二级引证文献(0)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(2)
  • 引证文献(2)
  • 二级引证文献(0)
2019(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
音乐分类
神经网络
粒子群优化算法
交叉算子
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
信息技术与网络安全
月刊
2096-5133
10-1543/TP
大16开
北京市海淀区清华东路25号(北京927信箱)
82-417
1982
chi
出版文献量(篇)
10909
总下载数(次)
33
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导