基于改进的PSO算法的神经网络集成

被引：9

作者：

施彦

黄聪明

侯朝桢

机构：

[1] 北京理工大学化工与环境学院

[2] 北京理工大学信息科学技术学院北京　

[3] 北京　

来源：

复旦学报(自然科学版) | 2004年 / 05期

关键词：

神经网络集成; 组合权值优化; 粒子群优化算法; 可重复采样技术;

D O I：

10.15943/j.cnki.fdxb-jns.2004.05.004

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

提出了一种新的神经网络集成结论生成方法,即基于可重复采样技术(Bootstrap)的粒子群优化(PSO)算法———BPSO算法,通过限制组合权值的范围来减小"多维共线性"的影响,还利用采样技术构造不同的适应度函数,增加"粒子"的多样性从而便于在一定范围内灵活调节组合权值,并减小噪声对集成的影响.实验表明,BPSO算法是优化组合权值的有效方法,提高了神经网络集成的泛化能力.

引用

页码：692 / 695

页数：4