基于改进粒子群算法的小波神经网络分类器
针对传统BP-WNN和基本PSO-WNN算法收敛速度慢和泛化性能低的缺陷,在应用李雅普诺夫理论分析得到单个粒子稳定收敛的参数取值条件基础上,提出一种粒子群改进算法,并利用该算法来训练小波神经网络权值,以此构建一种高效的粒子群小波神经网络分类器.通过Iris标准分类数据集进行测试,结果表明所提出的改进算法与BP-WNN,PSO-WNN等经典算法相比,网络更易于全局收敛,迭代次数少、函数逼近误差小、分类精度高.将该分类器应用于非线性辨识和固井质量评价中,均取得了不错的效果,表明该分类器泛化能力强,具有良好的使用价值和应用前景.
收敛速度、粒子群算法、小波神经网络、分类器、泛化
31
TP183(自动化基础理论)
国家高技术研究发展863计划2006AA06Z222
2011-01-06(万方平台首次上网日期,不代表论文的发表时间)
共7页
2203-2209