基于主成分的SFLABP网络模型在帕金森氏病分类中的应用
针对BP神经网络学习效率低、容易陷入局部最优等缺点,提出了一种基于主成分分析的混合蛙跳算法(Shuffle Frog Leaping Algorithm)优化的BP神经网络模型.使用主成分分析法对高维数据进行特征提取,作为网络输入;采用混合蛙跳算法优化BP神经网络的权系数和阈值,构建基于混合蛙跳算法神经网络的帕金森病分类模型.最后,以UCI中Parkinson数据为例,实验表明,新模型优于传统的BP网络.
主成分分析、混合蛙跳算法、BP神经网络、帕金森氏病、分类
TP393(计算技术、计算机技术)
2013-04-22(万方平台首次上网日期,不代表论文的发表时间)
共5页
861-865