遗传算法和神经网络在图像识别中的应用α - Read.PDF

2006 年 12 月 湖北大学成人教育学院学报 D ec. , 2006 第 24 卷　第 6 期 Jou rnal of A du lt Education Co llege of H ubei U n iversity V o l. 24　N o. 6 遗传算法和神经网络在图像识别中的应用 胡平芳, 徐小林 (湖北大学数学与计算机科学学院, 武汉, 430062) 【摘　要】　针对BP 算法在神经网络学习中的一些缺点, 将遗传算法应用于BP 神经网络的网络学 习中, 提出了一种BP - GA 算法。最后, 应用神经网络对图像进行智能识别, 实验结果证明它比单纯的 BP 算法有更佳的结果。 【关键词】　神经网络; 遗传算法; 图象识别; BP 算法 ( ) 【中图分类号】 39141　【文献标识码】　【文章编号】1009- 0444 2006 06- 0072- 03 T P A ( ) 　　误差反传 算法 是目前应用最为普遍的 一、 - 算法原理 BP BP GA 一种神经网络训练学习方法, 具有良好的自学习 在神经网络的学习过程中, 为了防止BP 算 能力、强大的分类能力、容错能力或鲁棒性, 但在 法过早收敛, 学习中首先由 GA 同时搜索解空间 实践中也暴露出一个很大的缺点: BP 学习算法所 的一群点, 并构成一个不断进化的群体序列, 在几 采用的梯度下降不能保证学习的结果达到的是均 代的进化后, 可以同时得到一些具有全局性的较 方误差的全局最小点, 而且在求解优化问题时容 好点, 从这些较好点出发, 再分别用神经网络BP 易陷入局部最小点, 从而导致神经网络进入错误 算法进行学习, 找到全局最优的权值, 从而完成网 的工作模式。 络的学习。 ( ) 遗传算法 GA 算法 是美国的Ho lland 教授 BP - GA 算法具体的实现步骤如下: 于上世纪 70 年代提出的一种借鉴生物界自然选 ( ) 1 对所有可能取得的权值的解空间进行二 择和自然遗传机制的随机化搜索算法。近年来已 进制编码, 在编码的解空间中, 随机生成一个初始 受到人们的普遍关注, 并应用在人工神经网络的 群体; 学习、优化和自适应等问题中。 (2) 对群体中的每一个个体都进行适应度评 与其它搜索方法相比, GA 算法具有其它算 价; 法所没有的自适应性、全局优化性和隐含并行性, (3) 根据个体的适应度, 对群体中的个体进行 体现出很强的解决问题的能力。正是考虑到 GA 选择、交叉、变异操作, 完成一代进化; 在BP 算法中的优越性, 本文提出了一种将遗传 (4) 反复进行第 2 和第 3 步, 直至进化了n 代 (