文档介绍：大擎藩博士学位论文呕窬缢惴ǖ难芯考捌溆τ指导作者教师姓名詹永照教授涂娟娟申请学位级别博士学科ㄒ计算机应用技术论文提交日期月论文答辩日期学位授予单位和日期江苏大学答辩委员会主席评阅人编号:
.瓺篢.:篜甖,
夕。侈年日学位论文作者签名:笙踟独创性声明本人郑重声明:所呈交的学位论文,是本人在导师的指导下,独立进行研究工作所取得的成果。除文中己注明引用的内容以外,本论文不包含任何其他个人或集体己经发表或撰写过的作品成果,也不包含为获得江苏大学或其他教育机构的学位或证书而使用过的材料。对本文的研究做出重要贡献的个人和集体,均己在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。
指删雠:多如沙缒月矽/乡年乡月学位论文作者签名:跪镆学位论文版权使用授权书本学位论文属于不保密西。志社将本论文编入《中国优秀博硕士学位论文全文数据库》并向社会提供查询。江苏大学、中国科学技术信息研究所、国家图书馆、中国学术期刊馀贪电子杂志社有权保留本人所送交学位论文的复印件和电子文档,可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内容和纸质论文的内容相一致,允许论文被查阅和借阅,同时授权中国科学技术信息研究所将本论文编入《中国学位论文全文数据库》并向社会提供查询,授权中国学术期刊馀贪电子杂论文的公布ǹ授权江苏大学研究生院办理。
摘要江苏大学博士学位论文仍存在各种不足之处。本文在对现有改进算法进行总结的基础上,着重针对保持的实验结果表明采用盗飞窬绫却乘惴ǜ佑行В谑樟菜俣群合先验信息的呕窬缢惴ā5谝唬帽匆端狗椒ǔ槿⊙镜南妊证明了先验信息能缩小初始搜索空间,引导微粒飞行,从而提高算法收敛速度和传统的神经网络训练算法存在收敛速度慢,易陷入局部最优等缺陷。近年来出现的群智能优化算法如粒子群优化惴ň哂薪虾玫娜ň质樟残阅埽用于训练神经网络参数和结构。许多研究者提出了一些改进的惴ǎ惴ㄖ兄秩旱亩嘌浴⒊浞滞诰蛭侍舛韵笾性毯南妊樾畔⒉Ⅰ詈现罰两方面提出了几种新的改进算法,同时将新算法应用于⒄罅惺荽淼研究中。论文主要工作包含如下四个方面:现有的诸多惴ㄔ诘讨形⒘H旱亩嘌圆荒芎芎玫乇3郑对此问题提出了一种改进的分期变异算法,用于优化神经网络参数及结构。谠缙诙晕⒘V到斜湟欤笃诙愿鎏寮岛腿ň旨到行随机扰动,始终将微粒群的多样性保持在合理范围。通过在两类分类数据集上分类精度上均有提高。问题对象中蕴含有大量先验信息,将其提取出来并耦合进神经网络训练算法中可以加快收敛速度,提高模型处理准确性。但是,将先验信息耦合进算法这方面的研究不多,因此,本文首先在函数逼近方面做了一些研究工作。在解决函数逼近问题时,提出了耦合两种先验信息的呕窬缢法。首先将提取的两种函数特征转化成等价的数学表达式,后耦合进惴ㄖ用于训练神经网络。实验结果表明先验信息能使算法快速收敛,提高逼近精度,并且,两类先验信息对于不同函数的逼近效果有一定差异。在解决分类问题时,针对样本集大小的情况,分别提出了两种对应的耦信息,耦合进惴ǎ缓笥糜谘盗稡窬纾坏诙弥С窒蛄炕ⅥⅥ惴ù硇⊙镜挠攀疲欢ㄗ;妊樾畔Ⅰ詈辖鳳,后与惴ㄏ嘟岷希糜谟呕断蚧神经网络参数和结构。实验结果
呕窬缢惴ǖ难芯考捌溆τ关键词:窬纾妊樾畔ⅲ平掷啵⒄罅惺分类正确率。⒄罅惺菥哂懈呶⑿⊙镜忍氐悖鲜稣攵孕⊙镜鸟詈舷验信息的呕窬缢惴ㄓ糜诙云浞掷唷>诙喔鍪菁系姆掷嗖试验证了新算法对于微阵列数据处理有一定优势。
workIttwoconvergesandoptimization(PSO)wereproposedGenerally,tlleyperformanceCandifferentimpliedobjectsMeanwhiletheapplied1)Forproblemanalgorithm(SMPSO)Was甌optimizedSMPSOtraditionalconvergence2),yearsnottoocanIII
workcou