基于改進的PSO算法的神經網絡相關性剪枝優化
2010-12-31 00:00:00涂娟娟詹永照韓飛
計算機應用研究 2010年9期
摘要：針對傳統的神經網絡訓練算法收斂速度慢、易陷入局部最優的問題，提出了一種基于改進的分期變異微粒群優化算法(SMPSO)的神經網絡相關性剪枝優化方法。SMPSO在初期使適應度過低的微粒發生變異，在后期使停滯代數過高的個體極值和全局極值發生變異，后將SMPSO用于優化神經網絡相關性剪枝算法。實驗結果表明，該方法與采用BP算法及標準PSO算法進行相關性剪枝相比，在訓練收斂速度、剪枝效率及分類正確率三方面都有較大提高。
關鍵詞：神經網絡；剪枝；微粒群優化算法
中圖分類號：TP183 文獻標志碼：A 文章編號：1001－3695(2010)09－3253－03
