河南化工
河南化工
하남화공
HENAN CHEMICAL INDUSTRY
2011年
4期
32-34
,共3页
PSO%RBFNN%K-均值聚类算法%局部极小值
PSO%RBFNN%K-均值聚類算法%跼部極小值
PSO%RBFNN%K-균치취류산법%국부겁소치
采用粒子群优化算法(PSO,Particle Swarm Optimization)调整径向基神经网络(RBFNN,Radial Basis Function Neural Network)参数,有效地改进了传统的K-均值聚类算法易使网络受初始参数选取的影响而收敛于局部极小值的缺点,并将其应用于环境中硝基苯类化合物毒性的测定,结果表明基于PSO的RBFNN算法显著提高了数据处理的准确性和稳定性.
採用粒子群優化算法(PSO,Particle Swarm Optimization)調整徑嚮基神經網絡(RBFNN,Radial Basis Function Neural Network)參數,有效地改進瞭傳統的K-均值聚類算法易使網絡受初始參數選取的影響而收斂于跼部極小值的缺點,併將其應用于環境中硝基苯類化閤物毒性的測定,結果錶明基于PSO的RBFNN算法顯著提高瞭數據處理的準確性和穩定性.
채용입자군우화산법(PSO,Particle Swarm Optimization)조정경향기신경망락(RBFNN,Radial Basis Function Neural Network)삼수,유효지개진료전통적K-균치취류산법역사망락수초시삼수선취적영향이수렴우국부겁소치적결점,병장기응용우배경중초기분류화합물독성적측정,결과표명기우PSO적RBFNN산법현저제고료수거처리적준학성화은정성.
