基于改进粒子群算法的小波神经网络分类器.pdfVIP

学兔兔 第31卷 第10期 仪 器 仪 表 学 报 Vo1．31 No．10 2010年 1O月 Chinese Journal of Scientific Instrument 0ct．201O 基于改进粒子群算法的小波神经网络分类器 张 伟 ，师奕兵 ，周龙甫’，卢 涛 (1 电子科技大学自动化工程学院 成都 611731；2 中海油田服务股份有限公司技术中心 北京 101149) 摘 要：针埘传统BP—WNN和基本PSO—WNN算法收敛速度慢和泛化性能低的缺陷，在应用李雅普诺夫理论分析得到单个粒子 稳定收敛的参数取值条件基础上，提出一种粒子群改进算法，并利用该算法来训练小波神经网络权值，以此构建一种高效的粒 予群小波神经网络分类器。通过Iris标准分类数据集进行测试，结果表明所提出的改进算法与BP—WNN，PSO—WNN等经典算法 相比，网络更易于全局收敛，迭代次数少、函数逼近误差小、分类精度高。将该分类器应用于非线性辨识和固井质量评价中，均 取得了不错的效果，表明该分类器泛化能力强，具有良好的使用价值和应用前景。 关键词：收敛速度；粒子群算法；小波神经网络；分类器；泛化 中图分类号：TP183 文献标识码：A 国家标准学科分类代码：520．604 Wavelet neural network classifier based on improved PSO algorithm Zhang Wei ，Shi Yibing ，Zhou Longfu ，Lu Tao 0 l School of Automation University of Electronic Scierwe and Technology o}China，Chengdu 61 l73 1 China 2 Technical Center，China Oi eld Services Co．Ltd，Beijing 101 149，China) Abstract：In view of the defects that traditional BP—WNN algorithm and basic PSO—WNN algorithm have slow eonver— gence speed and low generalization capability，Lyapunov stability theory is used to obtain the convergence condition of single particle．Based on that，a new strategy is introduced to improve the performance of PSO．Then，an im— proved PSO algorithm is used to train the parameters of WNN，and a high efficient classifier based on the improved PSO—WNN is created．The proposed algorithm is compared with BP—WNN and basic PSO—WNN algorithms through analyzing the Iris benchmark data set．Simulation results confirm that the performances of the new algorithm，such as global convergence，iterative number，error of function approximation and classification accuracy rate，are highly im— proved．Finally，the new classifier is applied to nonlinear m