计 算 机 工 程 第 37 卷 第10期
Computer Engineering V ol.37 No.10
文章编号:文章编号:1000—3428(2011)10—0152—02 ·人工智能及识别技术·人工智能及识别技术·
2011年5月
May 2011
文献标识码:文献标识码:A
中图分类号:中图分类号:TP18
基于k均值和量子遗传算法均值和量子遗传算法的算法的RBF网络优化
赵 磊1,贾振红1,覃锡忠1,杨 杰2,庞韶宁3
(1. 新疆大学信息科学与工程学院,乌鲁木齐 830046;2.上海交通大学图像处理与模式识别研究所,上海 200240;
3. 新西兰奥克兰理工大学知识工程与开发研究所,新西兰 奥克兰1020)
摘 要:针对遗传算法容易出现早熟的问题,提出一种基于k均值和量子遗传算法的径向基函数(RBF)神经网络组合优化方法。通过k均值聚类求取网络的中心,用量子遗传算法训练网络的权值,利用量子染色体的表示方式以及量子染色体的更新提高算法的并行性,从而解决遗传算法早熟的问题,提高网络的适应度。相对于PSO-RBF和ACO-RBF,该方法提高网络的收敛速度,实现对RBF网络的优化。 关键词:关键词:早熟;k均值;量子遗传算法;适应度
RBF Network Optimization
Based on k-means and Quantum Genetic Algorithm
ZHAO Lei1, JIA Zhen-hong1, QIN Xi-zhong1, YANG Jie2, PANG Shao-ning3
(1. College of Information Science & Engineering, Xinjiang University, Urumqi 830046, China;
2. Institute of Image Processing and Pattern Recognition, Shanghai Jiaotong University, Shanghai 200240, China; 3. Knowledge Engineering & Research Discovery Institute, Auckland University of Technology, Auckland 1020, New Zealand)
【Abstract】According to the prematurity matter of the Genetic Algorithm(GA), this paper gives a complex optimization method based on k-means and Quantum Genetic Algorithm(QGA). It accounts the center of the RBF neural network through k-means, and trains the weights of RBF neural network by QGA. The express and renewal of quantum chromosome is used to improve the parallel of this procedure, so the problem of prematurity is solved, the fitness of network is improved, and convergence speed of the network is improved compared with the PSO-RBF and ACO-RBF. Optimization of the RBF neural network is implemented.
【Key words】prematurity; k-means; Quantum Genetic Algorithm(QGA); fitness DOI: 10.3969/j.issn.1000-3428.2011.10.051
1 概述
径向基函数(Radial Basis Function, RBF)神经网络是在生物学中局部调节和交叠接受区域知识的基础上演化而来的一种利用局部接受域来执行函数映射的人工神经网络。该神经网络最早被Moody和Darken所提出。RBF网络是一种三层前馈式局部逼近网络,具有较强的非线性逼近能力,并有结构简单、计算量少、不存在局部极小等优点,现已广泛应用于函数逼近、模式识别和非线性预测等领域。对于RBF网络来说,隐含层基函数的中心以及网络的权值是非常重要的参数。现对RBF网络的优化方法有各种聚类、模糊聚类以及各种进化算法,最常见的便是利用遗传算法(GA)[1-2]进行优化,但是传统的遗传算法容易产生早熟现象,对此改进的算法也很多,目前利用粒子群算法优化RBF(PSO-RBF)[3-4]和蚁群算法优化RBF(ACO-RBF)[5]都很好地解决了早熟的问题,但收敛速度较慢。本文将k均值和量子遗传算法结合起来对RBF网络进行优化,由经典的k均值聚类选取网络的中心,通过量子遗传算法训练网络的权值。
数,可表示为:
-X-ci
Ri(x)=exp 2
2σi
2
i=1,2,L,m (1)
第1阶段的任务是利用k-means算法为隐层的每个节点
的径向基函数确定合适的数据中心向量ci。过程如下: (1)初始化。选取W个不相同的向量作为初始聚类中心:c1(0),c2(0),L,cW(0)。
(2)计算输入样本点与聚类中心的欧氏距离d;并依据最小距离dj对相应对象进行划分,进行相似性匹配。即将xi分配给中心为cj的输入样本聚类集合Uj(j=1,2,L,W),使
xi∈Uj,且满足dj=minxi-cj。
(3)更新各聚类中心。对各聚类集合中的样本取均值。 (4)重复第(2)步和第(3)步直到聚类中心的分布不再变化。 2.2 量子遗传算法优化网络权值
量子遗传算法(Quantum Genetic Algorithms, QGA)是量子计算与遗传算法的结合。它将量子比特的概率表示应用于染色体的编码,使得一条染色体可以表达多个态的叠加,比
基金项目:基金项目:科技部国际科技合作基金资助项目(2009DFA12870) 作者简介:作者简介:赵 磊(1987-),男,硕士研究生,主研方向:量子遗传算法,数字图像处理;贾振红,教授;覃锡忠,讲师;杨 杰、 庞韶宁,博士
收稿日期:收稿日期:2010-10-12 E-mail:jzhh@xju.edu.cn
2 k均值与QGA算法对RBF网络的优化
2.1 k均值聚类选取网络中心
k均值聚类算法比较简单,运行速度快,并且能够较好地求取网络的中心,这样就简化了网络的优化算法,提高了收敛速度。
本文对RBF网络隐层基函数的选取采用常用的高斯函
基于改进量子遗传算法的K均值聚类分析_专业资料。0引言K-means算法是聚类分析中一种基本的聚类方法,因其简单可靠而被广泛使用,但传统的K均值算法受初始聚类中心的影响...
一种基于遗传算法的RBF神经网络优化方法_IT/计算机_专业资料。rbf优化维普...基于k均值和量子遗传算法... 暂无评价 2页 1.00 基于遗传算法的神经网络...
基于遗传算法的神经网络... 13页 免费 基于k均值和量子遗传算法... 暂无评价...采用遗传算法对 RBF 神经网络的隐层中心值和宽度进行了优化,用递推最小二乘法 ...
结 合, 用量子遗传算法 (QGA) 优化神经网络初始值...遗传算法来对基于 K 均 值聚类算法的 RBF 网络...且服从均值为 0 的独立同分布的高斯白噪声; 使用 ...
基于遗传算法的RBF神经网络的优化与应用_专业资料。神经网络在处理现实问题时经常会遇到数据量大,网络结构复杂的问题,主要表现在各网络层之间权值的选取与量化和难以寻...
量子遗传算法优化神经网络的MIMO-OFDM检测研究_专业资料。信号的最优检测在常规条件下是一NP难解问题,针对RBF(径向基函数)神经网络算法易陷入局部极值和简单遗传算法...
基于高斯混合模型和K-均值聚类算法的RBF神经网络实现男女声转换_专业资料。语音转换...遗传算法优化的RBF神经网... 26人阅读 9页 2.00 基于RBF神经网络模型和...
提出一种基于K均值聚类方法的改进遗传算法,该算法通过聚类方法把大规模TSP转换为多个小型TSP,利用改进的遗传算法针对每一个类分别优化,求解得到多个闭合回路,再利用...
该算法很好地解决了聚类中心优化问题,与之前的两种算法相比,改进后的算法改善了...基于改进量子遗传算法的... 29人阅读 2页 1.00 基于K均值聚类和遗传算法...
热门文档