微型机与应用
微型機與應用
미형궤여응용
MICROCOMPUTER & ITS APPLICATIONS
2012年
1期
64-66,72
,共4页
音乐分类%神经网络%粒子群优化算法%交叉算子
音樂分類%神經網絡%粒子群優化算法%交扠算子
음악분류%신경망락%입자군우화산법%교차산자
music category%neural network%particle swarm optimization（PSO）%hybrid genes
自适应变异粒子群算法具备了基本粒子群算法和遗传算法优点，用此算法寻找BP网络较好的网络权值和阈值，使得BP网络的全局误差最小化，不仅可以克服基本BP算法收敛速度慢和易陷入局部极值的局限，而且模型的精度高。仿真实验结果表明，本算法与传统的分类方法相比，具有更高的正确率．验证了自适应变异粒子群算法优化BP神经网络是一种有效的分类方法。
自適應變異粒子群算法具備瞭基本粒子群算法和遺傳算法優點，用此算法尋找BP網絡較好的網絡權值和閾值，使得BP網絡的全跼誤差最小化，不僅可以剋服基本BP算法收斂速度慢和易陷入跼部極值的跼限，而且模型的精度高。倣真實驗結果錶明，本算法與傳統的分類方法相比，具有更高的正確率．驗證瞭自適應變異粒子群算法優化BP神經網絡是一種有效的分類方法。
자괄응변이입자군산법구비료기본입자군산법화유전산법우점，용차산법심조BP망락교호적망락권치화역치，사득BP망락적전국오차최소화，불부가이극복기본BP산법수렴속도만화역함입국부겁치적국한，이차모형적정도고。방진실험결과표명，본산법여전통적분류방법상비，구유경고적정학솔．험증료자괄응변이입자군산법우화BP신경망락시일충유효적분류방법。
Adaptive mutation particle swarm optimization algorithm has the advantages of PSO and GM algorithm. Using the algorithm to find a better network weights and threshold can not only overcome the slow convergence of basic and easy to fall into local minimum limitations,but also has a high accuracy of the model. The simulation results show that the algorithm has higher accuracy than traditional classification methods, and verified adaptive mutation particle swarm optimization is an effective classification to optimize BP neural network.
