作者:
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:
为了应对BP神经网络在复杂样本分类过程中存在的因为网络结构复杂,网络跳转多样而导致的分类能力低,分类结果模糊等问题,提出了基于因子分析和遗传算法的BP神经网络.本算法首先通过因子分析的方法降低BP神经网输入样本的维度,然后使用遗传算法改进BP神经网络的分析过程,从而实现BP神经网络的强分类分析能力.
推荐文章
基于深度神经网络的中文新闻文本分类方法
深度神经网络
文本分类
中文新闻
自然语言处理
基于改进BP神经网络的指纹自动分类器
BP网络
指纹分类
poincare索引值
特征提取
误差扩大
结合聚类思想神经网络文本分类技术研究
文本分类
神经网络
聚类算法
互信息量
BP 神经网络的改进
BP神经网络
收敛速度
初始权重
局部最小
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 基于改进BP神经网络的样本分类方法
来源期刊 自动化与仪器仪表 学科 工学
关键词 BP神经网络 因子分析 遗传算法
年,卷(期) 2016,(6) 所属期刊栏目 实验室自动化
研究方向 页码范围 237-239
页数 分类号 TP212
字数 语种 中文
DOI 10.14016/j.cnki.1001-9227.2016.06.237
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 蔚治国 兰州职业技术学院电子信息工程系 14 26 3.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (40)
共引文献  (394)
参考文献  (8)
节点文献
引证文献  (7)
同被引文献  (36)
二级引证文献  (6)
1966(1)
  • 参考文献(0)
  • 二级参考文献(1)
1972(1)
  • 参考文献(0)
  • 二级参考文献(1)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(4)
  • 参考文献(0)
  • 二级参考文献(4)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(5)
  • 参考文献(0)
  • 二级参考文献(5)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(7)
  • 参考文献(0)
  • 二级参考文献(7)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(3)
  • 参考文献(1)
  • 二级参考文献(2)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(4)
  • 参考文献(3)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(2)
  • 参考文献(2)
  • 二级参考文献(0)
2016(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)
2017(2)
  • 引证文献(1)
  • 二级引证文献(1)
2018(4)
  • 引证文献(4)
  • 二级引证文献(0)
2019(3)
  • 引证文献(2)
  • 二级引证文献(1)
2020(4)
  • 引证文献(0)
  • 二级引证文献(4)
研究主题发展历程
节点文献
BP神经网络
因子分析
遗传算法
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
自动化与仪器仪表
月刊
1001-9227
50-1066/TP
大16开
重庆市渝北区人和杨柳路2号B区
78-8
1981
chi
出版文献量(篇)
9657
总下载数(次)
37
总被引数(次)
30777
论文1v1指导