混合遗传BP算法在图象识别中的应用.pdfVIP

第 3 卷第 4 期 ( ) . 3, . 4 淄博学院学报 自然科学与工程版 V o l N o 2001 年 12 月 . , 2001 ( . . . . ) D ec Jou rnal of Zibo U n iversity N at Sci and Eng Ed 　　文章编号:(2001) 混合遗传B P 算法在图象识别中的应用 胡师彦 (北京东辰科学技术研究所, 北京　100080) 摘要: 介绍了传统的遗传算法与BP 算法, 分析了它们各自的不足. 提出了一种将BP 算法与遗 传算法有机结合的混合智能计算方法, 并且给出了具体的算法实现流程. 将该方法应用于数字 图象识别, 经过实验表明混合算法优于传统BP 算法. 关键词: 遗传算法; BP 算法; 神经网络 中图分类号: T P 3016　　文献标识码: A 1　引言 [ 1 ] 十几年来, 神经网络及其应用的研究得到了普遍重视, 其中应用最广的是BP 网络 . 然而由于传 统的神经网络训练算法即BP 算法本质上是一种局部寻优的方法, 存在学习速度慢、容易陷入局部最优 解等弊端, 故需要找出一种更为有效的训练方法. 遗传算法是一种随机的优化与搜索方法, 算法搜索轨 [ 2 ] 道有多条, 具有良好的并行性、全局优化性和稳健性 . 本文提出了一种将遗传算法与BP 算法相结合 而成的混合遗传新算法, 将该算法应用于数字识别中, 实验结果证明它比单纯的BP 算法有更优的结 果. 2　 算法原理与不足 B P BP 算法(Back P ropagation A lgo rithm ) 是目前应用最为普遍的一种神经网络训练学习方法, 但在 实践中也暴露出自身的弱点, 最突出的就是收敛速度慢、可能收敛到局部极小点这两个问题. BP 算法中 的核心部分, 即权值系数的调整计算过程: E ( ) = - × ( 1) W t ( ) W t 或 E ( ) = - × + × ( - 1) (2) W t W t