为了优化BP人工神经网络在大规模样本聚类中的准确度，基于改进人工神经网络数据聚类方法，使用粒子群算法与遗传算法对BP人工神经网络的初始权值与阈值实施优化，将神经网络分类误差作为粒子群的适应度，利用遗传算法更新粒子速度与位置信息，获得最优粒子位置最优解，优化后的粒子群对BP神经网络初始权值与阈值寻优。实验结果显示，改进的BP神经网络训练误差与测试误差较为接近，表明网络模型的聚类性能较为精准、稳定。
科研之友
微信
新浪微博
Facebook
分享链接
