基于遗传算法与小波变换的竞争学习系统

摘要：

遗传算法的一个具有代表性的应用领域就是发现一个已知的,通常比较复杂的系统的输入-输出映射.神经网络聚类方法中,比较著名的方法之一就是"竞争学习".竞争学习采用若干单元的层次结构,以一种"胜利者全取"的方式对系统当前处理的对象进行竞争.通常的神经网络聚类方法,由于其较长的处理时间和数据的复杂性,很难适用于大型数据库.为此,文章采用遗传算法发现一个已知的、通常比较复杂的系统的输入-输出映射,利用调制的小波基对输入模式预处理,在函数链神经网络的基础上设计了一种基于遗传算法和小波变换函数链神经网络的竞争学习系统,充分利用遗传算法、小波变换和函数链神经网络的优势,这样设计的系统有惊人的学习速度、体系结构的通用性好、适应性强等特点,以此作为数据聚类分析工具,能够达到简化数据聚类的复杂性、缩短系统处理时间等效果.

关键词：遗传算法、小波变换、函数链神经网络、竞争学习

所属期刊栏目：41

分类号：TP301.6(计算技术、计算机技术)

在线出版日期：2005-09-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：186-188,218