基于粒子群神经网络优化的相关证据合成及应用

分析了已有的相关证据合成方法的不足,提出基于PSO-BP参数优化的相关证据合成;它克服了用Dempster方法进行相关证据的合成而产生合成结果的超估计;已有的基于可变参数优化的相关证据合成方法,它的优化策略是基于梯度计算,对初值点的选取比较敏感,对函数的连续性、导数的存在性都有相对较高的要求;使用PSO训练神经网络的优点在于不使用梯度信息,而使用一些不可微的传递函数,它克服了BP算法的收敛速度慢、易陷入平坦区的缺点,使修正的系数更加合理,该方法易于计算机实现,理论分析和实验结果表明了该方法的可行性和有效性。