基于布谷鸟优化的BP神经网络(分类应用) - 附代码
基于布谷鸟优化的BP神经网络(分类应用) - 附代码
文章目录
- 基于布谷鸟优化的BP神经网络(分类应用) - 附代码
- 1.鸢尾花iris数据介绍
- 2.数据集整理
- 3.布谷鸟优化BP神经网络
- 3.1 BP神经网络参数设置
- 3.2 布谷鸟算法应用
- 4.测试结果:
- 5.Matlab代码
摘要:本文主要介绍如何用布谷鸟算法优化BP神经网络,利用鸢尾花数据,做一个简单的讲解。
1.鸢尾花iris数据介绍
本案例利用matlab公用的iris鸢尾花数据,作为测试数据,iris数据是特征为4维,类别为3个类别。数据格式如下:
特征1 | 特征2 | 特征3 | 类别 | |
---|---|---|---|---|
单组iris数据 | 5.3 | 2.1 | 1.2 | 1 |
3种类别用1,2,3表示。
2.数据集整理
iris数据总共包含150组数据,将其分为训练集105组,测试集45组。如下表所示:
训练集(组) | 测试集(组) | 总数据(组) |
---|---|---|
105 | 45 | 150 |
类别数据处理:原始数据类别用1,2,3表示为了方便神经网络训练,类别1,2,3分别用1,0,0;0,1,0;0,0,1表示。
当进行数据训练对所有输入特征数据均进行归一化处理。
3.布谷鸟优化BP神经网络
3.1 BP神经网络参数设置
通常而言,利用智能算法一般优化BP神经网络的初始权值和阈值来改善BP神经网络的性能。本案例基于iris数据,由于iris数据维度不高,采用简单的BP神经网络。神经网络参数如下:
图1.神经网络结构
神经网络参数如下:
%创建神经网络
inputnum = 4; %inputnum 输入层节点数 4维特征
hiddennum = 10; %hiddennum 隐含层节点数
outputnum = 3; %outputnum 隐含层节点数
net = newff( minmax(input) , [hiddennum outputnum] , { 'logsig' 'purelin' } , 'traingdx' ) ;
%设置训练参数
net.trainparam.show = 50 ;
net.trainparam.epochs = 200 ;
net.trainparam.goal = 0.01 ;
net.trainParam.lr = 0.01 ;
3.2 布谷鸟算法应用
布谷鸟算法具体原理请参照:https://blog.csdn.net/u011835903/article/details/108404684
布谷鸟算法的参数设置为:
popsize = 5;%种群数量
Max_iteration = 15;%最大迭代次数
lb = -2;%权值阈值下边界
ub = 2;%权值阈值上边界
% inputnum * hiddennum + hiddennum*outputnum 为阈值的个数
% hiddennum + outputnum 为权值的个数
dim = inputnum * hiddennum + hiddennum*outputnum + hiddennum + outputnum ;% inputnum * hiddennum + hiddennum*outputnum维度
这里需要注意的是,神经网络的阈值数量计算方式如下:
本网络有2层:
第一层的阈值数量为:4*10 = 40; 即inputnum * hiddennum;
第一层的权值数量为:10;即hiddennum;
第二层的阈值数量为:3*10 = 30;即hiddenum * outputnum;
第二层权值数量为:3;即outputnum;
于是可知我们优化的维度为:inputnum * hiddennum + hiddennum*outputnum + hiddennum + outputnum = 83;
适应度函数值设定:
本文设置适应度函数如下:
fitness=argmin(TrainDataErrorRate+TestDataErrorRate)fitness = argmin(TrainDataErrorRate + TestDataErrorRate) fitness=argmin(TrainDataErrorRate+TestDataErrorRate)
其中TrainDataErrorRate,TestDataErrorRate分别为训练集和测试集的错误分类率。适应度函数表明我们最终想得到的网络是在测试集和训练集上均可以得到较好结果的网络。
4.测试结果:
从布谷鸟算法的收敛曲线可以看到,整体误差是不断下降的,说明布谷鸟算法起到了优化的作用:
图2 布谷鸟算法收敛曲线
测试统计如下表所示
测试结果 | 测试集正确率 | 训练集正确率 |
---|---|---|
BP神经网络 | 100% | 95% |
布谷鸟-BP | 100% | 99% |
5.Matlab代码
基于布谷鸟优化的BP神经网络(分类应用) - 附代码相关推荐
- 基于布谷鸟优化的BP神经网络(预测应用) - 附代码
基于布谷鸟优化的BP神经网络(预测应用) - 附代码 文章目录 基于布谷鸟优化的BP神经网络(预测应用) - 附代码 1.数据介绍 3.CS优化BP神经网络 3.1 BP神经网络参数设置 3.2 布谷 ...
- 基于果蝇优化的BP神经网络(分类应用) - 附代码
基于果蝇优化的BP神经网络(分类应用) - 附代码 文章目录 基于果蝇优化的BP神经网络(分类应用) - 附代码 1.鸢尾花iris数据介绍 2.数据集整理 3.果蝇优化BP神经网络 3.1 BP神经 ...
- 基于灰狼优化的BP神经网络(分类应用) - 附代码
基于灰狼优化的BP神经网络(分类应用) - 附代码 文章目录 基于灰狼优化的BP神经网络(分类应用) - 附代码 1.鸢尾花iris数据介绍 2.数据集整理 3.灰狼优化BP神经网络 3.1 BP神经 ...
- 基于鸟群优化的BP神经网络(分类应用) - 附代码
基于鸟群优化的BP神经网络(分类应用) - 附代码 文章目录 基于鸟群优化的BP神经网络(分类应用) - 附代码 1.鸢尾花iris数据介绍 2.数据集整理 3.鸟群优化BP神经网络 3.1 BP神经 ...
- 基于蜣螂优化的BP神经网络(分类应用) - 附代码
基于蜣螂优化的BP神经网络(分类应用) - 附代码 文章目录 基于蜣螂优化的BP神经网络(分类应用) - 附代码 1.鸢尾花iris数据介绍 2.数据集整理 3.蜣螂优化BP神经网络 3.1 BP神经 ...
- 基于萤火虫优化的BP神经网络(分类应用) - 附代码
基于萤火虫优化的BP神经网络(分类应用) - 附代码 文章目录 基于萤火虫优化的BP神经网络(分类应用) - 附代码 1.鸢尾花iris数据介绍 2.数据集整理 3.萤火虫优化BP神经网络 3.1 B ...
- 基于鸟群优化的BP神经网络(预测应用) - 附代码
基于鸟群优化的BP神经网络(预测应用) - 附代码 文章目录 基于鸟群优化的BP神经网络(预测应用) - 附代码 1.数据介绍 3.BSA优化BP神经网络 3.1 BP神经网络参数设置 3.2 鸟群算 ...
- 基于果蝇优化的BP神经网络(预测应用) - 附代码
基于果蝇优化的BP神经网络(预测应用) 文章目录 基于果蝇优化的BP神经网络(预测应用) 1.数据介绍 3.FOA优化BP神经网络 3.1 BP神经网络参数设置 3.2 果蝇算法应用 4.测试结果: ...
- 基于PCA主成分分析的BP神经网络回归预测MATLAB代码
基于PCA主成分分析的BP神经网络回归预测MATLAB代码 代码注释清楚. 先对数据集进行主成分分析,自主根据贡献率选择主成分:同时计算KMO验证值:用PCA以后数据进行BP神经网络回归预测. 可以读 ...
最新文章
- 【转载】赠券收集问题
- ApiOperationSupport注解的使用
- Java中通过命令行启动jar包时指定编码
- 011_Validation Rule about Time
- Linux之Debian下安装LAMP apt-get安装方式
- bugku_本地包含
- MVVM架构~knockoutjs系列之验证信息自定义输出~再续
- iOS数据库操作(使用FMDB)
- 制版经验分享—使用AD18
- 【P2P的Jxta解决之道】
- MATLAB中imcrop函数
- 拉宾-卡普算法详解以及示例[rabin-karp]
- java列举生活中类和对象_趣味解读Python面向对象编程 (类和对象)
- python菜单翻译成中文_Python编辑器英文菜单的中文翻译及解释,看看吧,磨刀不误砍柴工...
- 软件测试期末复习重点
- 欧拉函数|(扩展)欧拉定理|欧拉反演
- A Lightened CNN for Deep Face Representation读后感
- 狄利克雷分布的matlab代码实现和R语言函数调用
- python quit函数_在Python中启用quit函数的问题
- 鸿蒙用java虚拟机_漫画:趣解鸿蒙 OS 如何实现跨平台?
热门文章
- 京东运维开发工程师 2019校招卷总结
- 报错ImportError: cannot import name ‘webdriver‘ from partially initialized module ‘selenium‘ (most lik
- 为什么高斯白噪声的平均功率等于方差?
- Python学习之:如何根据经纬度来实现地图的可视化(将这些点在地图上标注出来)
- Transformer一文搞懂
- mysql 日期转周_Mysql 日期转换星期
- C++基于OpenCV实现实时监控和运动检测记录
- Peano自然数公理系统
- 在 E:\db\Custom\201610211635.bak 上读取失败: 38(已到文件结尾。) (Microsoft SQL Server,错误: 3203)
- 快排之万能代理IP接口设计