- 1、本文档共6页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
基于神经网络的规则提取及其渔业应用研究
1, 2 1 1 2
袁红春 , 胡倩倩 , 沈晓倩 , 陈新军
(1. , 201306; 2. , 201306)
摘要: 为了解决远洋渔业中过度依赖经验而产生的盲目捕捞问题, 结合海洋环境数据和历史产量数据
对渔场进行有效分析, 提出了一种基于径向基函数神经网络(Radial basis function neural network,
RBFNN) 的栖息地指数(HSI)预测方法, 并将其应用于印度洋海域大眼金枪鱼(Thunnus obesus)栖息地指
数的预测。在RBFNN 训练过程中使用模糊C 均值(Fuzzy c-means, FCM)聚类算法, 在基于神经网络的
规则提取过程中首次采用了和声搜索(Harmony search, HS)算法。实验研究表明, 利用FCM 改进后的
RBFNN, 均方误差(Mean square error, MSE)达到0.021 6 。和声搜索由于算法简单, 易于实现, 能够应用
于训练后的FCM-RBFNN 提取分类规则, 提取出的规则能够反映该渔业现状。
关键词: 印度洋大眼金枪鱼(Thunnus obesus); 径向基函数神经网络(Radial basis function neural network,
RBFNN); 和声搜索(Harmony search, HS); 规则提取; 渔情预测
中图分类号: S934 文献标识码: A 文章编号: 1000-3096(2014)09-0079-06
doi: 10.11759/hykx20121209001
, HS′)RBFNN ,
: [1]
[2] [3] 1 FCM-RBFNN 分类规则提取方法
1.1 HS 算法
, HS ,
, R (i=1, 2, ,
i
(Artificial neural network, ANN) n)R ,
i
, , k
, X (k=l, 2, , n)
, k ,
(Habitat suitability index, HSI) F(Xk [5]
)(k=1, 2, , n) :
, 1:
,
文档评论(0)