遺傳進(jìn)化神經(jīng)網(wǎng)絡(luò)算法在分類問題中的設(shè)計和研究.pdf

1、分類是通過訓(xùn)練數(shù)據(jù)集找出類別的概念描述，根據(jù)概念描述建立分類模型，從而使用該模型來分類同種數(shù)據(jù)。目前常見的分類方法有神經(jīng)網(wǎng)絡(luò)方法、貝葉斯網(wǎng)絡(luò)、粗糙集、模糊集和支持向量機等。神經(jīng)網(wǎng)絡(luò)方法在分類問題中有著廣泛的應(yīng)用，但是如何為具體問題選擇合適的網(wǎng)絡(luò)結(jié)構(gòu)和設(shè)定好的網(wǎng)絡(luò)參數(shù)一直是神經(jīng)網(wǎng)絡(luò)懸而未決的問題。
　　 近年來，遺傳算法結(jié)合神經(jīng)網(wǎng)絡(luò)的研究越來越多。人們希望通過結(jié)合遺傳算法和神經(jīng)網(wǎng)絡(luò)能夠充分地利用兩者優(yōu)點，尋找出一種有效解決問題的方

2、法?，F(xiàn)在用于分類問題的遺傳進(jìn)化神經(jīng)網(wǎng)絡(luò)算法一般都是將進(jìn)化結(jié)構(gòu)和進(jìn)化網(wǎng)絡(luò)權(quán)值分開處理或者只進(jìn)化網(wǎng)絡(luò)權(quán)值，而同時進(jìn)化結(jié)構(gòu)和網(wǎng)絡(luò)權(quán)值的少之又少。擴張拓?fù)涞纳窠?jīng)進(jìn)化算法(NEAT)是一種同時進(jìn)化結(jié)構(gòu)和進(jìn)化網(wǎng)絡(luò)權(quán)值的遺傳進(jìn)化神經(jīng)網(wǎng)絡(luò)算法，它能夠有效的解決未監(jiān)督問題，卻不適用于分類問題。
　　 本文首先對NEAT算法進(jìn)行初步改進(jìn)，并引入BP學(xué)習(xí)算法，讓它進(jìn)化三層前向網(wǎng)絡(luò)，通過實驗驗證它的有效性。然后，進(jìn)一步引入自適應(yīng)的特性和選擇改進(jìn)的BP算

3、法-Levenberg-Marquardt BP算法(LMBP算法)作為學(xué)習(xí)算法，提出了用于分類問題的能夠同時進(jìn)化結(jié)構(gòu)和進(jìn)化網(wǎng)絡(luò)權(quán)值的遺傳進(jìn)化神經(jīng)網(wǎng)絡(luò)算法-自適應(yīng)LMBP-NEAT算法(ALMBP-NEAT)，通過實驗驗證了它的有效性，并與一般的混合遺傳進(jìn)化神經(jīng)網(wǎng)絡(luò)算法進(jìn)行比較，并驗證了它具有進(jìn)化出用于分類的神經(jīng)網(wǎng)絡(luò)的能力。
　　 最后，本文將它應(yīng)用于處理手寫數(shù)字識別和語音識別上，在手寫數(shù)字識別實驗中，ALMBP-NEAT算法進(jìn)