基于Hopfield神经网络的数据分类

王振华

【期刊名称】《计算机应用》

【年(卷),期】2011(031)A02

【摘要】针对Hopfield神经网络的自联想特性,提出一种新的带有粒子群优化过程的Hopfield分类算法（PSO-HOP）。该算法采用了Blatt-Vergin（BV）学习算法,一定程度上克服了传统Hopfield容量低的特点。与此同时,还提出了先测量后训练的方法来降低算法的复杂度,提高分类效率,并探讨了样本属性以及类标号在Hopfield神经网络的表示方法,使其能够很好地处理空缺值等噪声数据。通过采用离散型粒子群优化算法对Hopfield的拓扑结构进行优化,可以将多余的神经元分配给不同属性,使得属性在分类中的权重发生改变,从而提高分类精度,避免陷入局部最优值。从统计不同属性被分配神经元的次数中,可以反映出不同属性的重要程度。从大量实验结果可以看出,该算法具有较高的鲁棒性和分类准确度。

【总页数】5页(P.92-96)

【关键词】Hopfield神经网络;粒子群优化算法;自联想;分类

【作者】王振华

【作者单位】天津大学管理与经济学部,天津300072

【正文语种】英文

【中图分类】TP311.13

【相关文献】

1.基于Hopfield神经网络的数据分类 [J], 王振华