关于改进PSO算法神经网络相关性剪枝优化.pdf

第27卷第9期 计算机应用研究 Vo]．27No．9 2010年9月 Researchof Application Computers Sep．2010 基于改进的PSO算法的 神经网络相关性剪枝优化 涂娟娟1’2，詹永照1，韩飞1 (1．江苏大学计算机科学与通信x-,t1学院，江苏镇江212013；2．江苏科技大学计算机科学与工程学院，江苏 镇江212003) 摘要：针对传统的神经网络训练算法收敛速度慢、易陷入局部最优的问题，提出了一种基于改进的分期变异 微粒群优化算法(sMpso)的神经网络相关性剪枝优化方法。SMPSO在初期使适应度过低的微粒发生变异，在 后期使停滞代数过高的个体极值和全局极值发生变异，后将SMPSO用于优化神经网络相关性剪枝算法。实验 结果表明，该方法与采用BP算法及标准PSO算法进行相关性剪枝相比，在训练收敛速度、剪棱效率及分类正确 率三方面都有较大提高。 关键词：神经网络；剪枝；微粒群优化算法 中图分类号：TPl83 文献标志码：A 文章编号：1001—3695(2010)09．3253．03 doi：10．3969／j．issn．1001．3695．2010．09．013 Neuralnetworkcorrelation basedon pruningoptimization PS0 improvedalgorithm 一 一 TU Feil Juan．juanl．-，ZHANYong．zha01，HAN (1．School ofComputerScienceTelecommunicationEngineering，．^angsuUniversity，ZhenjiangJmngsu212013，China；2．SchoolofCompu— ter＆yiellce＆Engineering，朐ngsuUniversityofScienceTechnology，Zhenj赫ngJiartgsu212003。China) traditionalneuralnetwork andis tofallintolocal Abstract：The algorithm training convergesslowly easy optimum．In代- tothese aneuralnetworkcorrelationmethod with sponse shortcomings，thispaperpmposed pruningoptimizedimpmvodstaging too mutation swami mutate thathad lowfitnessat and particle optimizationalgorithm(SMPSO)．SMPSOparticles earlystage mutate and extreme