基于改进粒子群优化RBF神经网络的地理信息预测
本文首先针对标准粒子群优化算法容易陷入局部最优的缺点,采用动态自适应调节策略,使得粒子的惯性权重随群体聚集程度而适时变化,从而调整粒子群搜索的速度和方向以跳出局部最优;然后将粒子群算法的全局搜寻能力和RBF网络的局部优化能力相结合,利用改进的粒子群优化算法优化RBF神经网络的关键参数;并将其应用于地理信息的预测,得到满意的结果.
粒子群算法、RBF神经网络、动态自适应、地理信息预测
37
P208;TP18(一般性问题)
国家自然科学基金N0:60803095;信阳师范学院青年自然基金20100057
2012-08-31(万方平台首次上网日期,不代表论文的发表时间)
共3页
139-141