检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于模拟退火的K调和均值聚类算法

计算机系统应用 2011年第7期20卷 90-93页

作者：刘国丽甄晓敏河北工业大学计算机科学与软件学院

K均值算法是最通用的划分聚类算法,然而它有高度依赖初始值和收敛于局部最小的缺点,K调和均值算法采用数据点与所有聚类中心的距离的调和平均替代了数据点与聚类中心的最小距离,解决了K均值算法对初值敏感的问题。这样虽然解决初始值敏... 详细信息

K均值算法是最通用的划分聚类算法,然而它有高度依赖初始值和收敛于局部最小的缺点,K调和均值算法采用数据点与所有聚类中心的距离的调和平均替代了数据点与聚类中心的最小距离,解决了K均值算法对初值敏感的问题。这样虽然解决初始值敏感问题,局部最小收敛问题仍然存在。为了获得全局最优解,提出一种新的算法:基于模拟退火算法的K调和均值聚类。该算法将一种优秀的随机搜索算法——模拟退火算法引入K调和均值聚类,来解决局部最小收敛的问题,并将改进后的算法用于IRIS数据集的聚类分析,聚类结果与K均值算法结果对比,证明了改进算法的优越性。

关键词：聚类 K均值调和均值模拟退火局部最小

在线全文

学校读者我要写书评

暂无评论

基于改进的BP神经网络的入侵检测研究

井冈山大学学报（自然科学版） 2011年第4期32卷 66-70页

作者：王博罗超井冈山大学电子与信息工程学院江西吉安343009 井冈山大学现代教育技术中心江西吉安343009

本文提出了引入可调因子和遍历局部最小并逃逸的方法,以解决标准BP算法中误差曲面过于平坦导致迭代次数增加、易陷入局部最小的缺点,并将此算法应用到网络入侵检测系统,对五类入侵行为进行检测。实验结果表明,改进后的BP算法大大缩短了... 详细信息

本文提出了引入可调因子和遍历局部最小并逃逸的方法,以解决标准BP算法中误差曲面过于平坦导致迭代次数增加、易陷入局部最小的缺点,并将此算法应用到网络入侵检测系统,对五类入侵行为进行检测。实验结果表明,改进后的BP算法大大缩短了系统响应时间并降低了检测系统的漏检率和误检率,极大改善了入侵检测系统的性能。

关键词： BP 神经网络入侵检测局部最小梯度下降

在线全文

学校读者我要写书评

暂无评论

一种快速敛于全局最小点的BP新算法

长春光学精密机械学院学报 1996年第3期19卷 12-16页

作者：杨华民王文成长春光学精密机械学院计算机系吉林工业大学计算机系

局部最小问题是ＢＰ算法本身固有缺点。本文针对这一问题，提出了一种改进算法－ＢＰ算法。该算法把较大的学习率能导致网络振荡这一消极因素，成功地转化为使网络能跳出局部最小的有利机制，同时在调整学习率时，有效地运用了模拟退火... 详细信息

局部最小问题是ＢＰ算法本身固有缺点。本文针对这一问题，提出了一种改进算法－ＢＰ算法。该算法把较大的学习率能导致网络振荡这一消极因素，成功地转化为使网络能跳出局部最小的有利机制，同时在调整学习率时，有效地运用了模拟退火思想，从而使ＢＰ网的学习过程能够以较快的速度收敛于全局最小点。

关键词：神经网络 BP算法局部最小

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

神经网络梯度下降与粒子群组合的训练算法

黑龙江科技大学学报 2020年第4期30卷 437-441页

作者：郭松林王朝晖黑龙江科技大学电气与控制工程学院哈尔滨150022

针对神经网络迭代过程中易陷入局部极小点的问题,提出一种BP-PSO算法。采用负梯度下降法迭代神经网络中的各项参数,利用得到的权值和偏置作为一个解向量,在该参数的邻域内引入简单PSO粒子群算法进行全局寻优,将最优解代入负梯度下降法,... 详细信息

针对神经网络迭代过程中易陷入局部极小点的问题,提出一种BP-PSO算法。采用负梯度下降法迭代神经网络中的各项参数,利用得到的权值和偏置作为一个解向量,在该参数的邻域内引入简单PSO粒子群算法进行全局寻优,将最优解代入负梯度下降法,循环求解。结果表明,在Tensorflow鸢尾花分类数据集上的测试中,该组合算法与梯度下降算法相比,损失函数下降了49.54%,训练次数减少了43.33%,达到了收敛速度更快、识别度更高的效果。

关键词：神经网络粒子群算法负梯度下降局部最小

在线全文

学校读者我要写书评

暂无评论

字符识别中改进的神经网络算法设计

自动化与仪器仪表 2006年第2期 12-13,16页

作者：胡乃平王丽青岛科技大学自动化学院山东青岛266042

如何提高字符识别的速度和准确率在车牌识别系统中是很关键的问题。传统的BP算法可以实现非线性函数的映射,经过有监督式的学习规则可以达到比较好的识别效果。但是BP算法识别速度慢,而且容易陷入局部最小。引入动量因子可以平滑误差曲... 详细信息

如何提高字符识别的速度和准确率在车牌识别系统中是很关键的问题。传统的BP算法可以实现非线性函数的映射,经过有监督式的学习规则可以达到比较好的识别效果。但是BP算法识别速度慢,而且容易陷入局部最小。引入动量因子可以平滑误差曲面梯度方向剧烈变化的作用,从而在一定程度上解决了局部最小值的问题。仿真结果表明了该算法的有效性。

关键词：动量因子局部最小字符识别

在线全文

学校读者我要写书评

暂无评论

基于BP神经网络算法的仿真研究

信息技术 2016年第8期40卷 85-88,92页

作者：陈斌胡丽李昂陈祥健刘好武海军工程大学海军705工厂海军92474部队 91860部队装备部装备修理所

BP神经网络,有着较好的函数拟合性,但仍存在着网络不收敛、陷入局部最小的风险和收敛速度慢的缺点。对这些缺点的克服,大量的科研工作者对此算法做了许多改进工作。文中利用输入向量与目标函数之间的关联,更新网络的权重值,针对网络收... 详细信息

BP神经网络,有着较好的函数拟合性,但仍存在着网络不收敛、陷入局部最小的风险和收敛速度慢的缺点。对这些缺点的克服,大量的科研工作者对此算法做了许多改进工作。文中利用输入向量与目标函数之间的关联,更新网络的权重值,针对网络收敛速度慢、陷入局部最小等风险,对BP算法进行了改进。且对已了解的BP神经网络的几种改进算法以某通信设备的故障诊断为实例一一进行实际训练验证,针对网络训练结果做了总结,对比各种改进方法的优劣,通过对比分析得出本文的算法改进效果明显,且故障诊断准确具有实际价值。

关键词： BP神经网络局部最小算法改进实际验证故障诊断