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 BP神经网络参数设置
      • 3.2 萤火虫算法应用
    • 4.测试结果:
    • 5.Matlab代码

摘要:本文主要介绍如何用萤火虫算法优化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.萤火虫优化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 萤火虫算法应用

萤火虫算法具体原理请参照:https://blog.csdn.net/u011835903/article/details/108492552

萤火虫算法的参数设置为:

popsize = 20;%种群数量
Max_iteration = 20;%最大迭代次数
lb = -5;%权值阈值下边界
ub = 5;%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:
f i t n e s s = a r g m i n ( T r a i n D a t a E r r o r R a t e + T e s t D a t a E r r o r R a t e ) 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:

从萤火虫算法的收敛曲线可以看到,整体误差是不断下降的,说明萤火虫算法起到了优化的作用:

图2 萤火虫算法收敛曲线

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%
萤火虫-BP 100% 99%

5.Matlab代码

基于萤火虫优化的BP神经网络(分类应用) - 附代码相关推荐

  1. 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 ...

  2. 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 B ...

  3. 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 ...

  4. 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 ...

  5. 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 ...

  6. 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 ...

  7. 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 ...

  8. 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: ...

  9. 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

  1. gsonformat插件_IntelliJ IDEA18个常用插件,动图演示,让你效率翻倍!
  2. 没有shell63号单元_苏教版15年级数学上册第七单元整理与复习+同步练习
  3. Julia中的denominator()函数
  4. 数据结构之线性表-链式存储之单链表(一)
  5. Servlet是否单例?
  6. 深度学习应用:入门篇(下)
  7. 如何系统嗯学习计算机知识,老师,非科班出身的人该怎么系统的学习计算机知识呢?...
  8. 会计实务综合模拟计算机实训心得,模拟企业会计实训心得体会
  9. 【转】关于ATSC与DVB的比较
  10. 苹果怎么在电脑上备份?3种备份方式选择
  11. 【HTML基础】acronym和abbr的区别
  12. python结巴库下载_python结巴怎么安装
  13. 使用Scrapy框架爬取58同城的出租房信息
  14. 股票每日复盘都应该做什么,需要从哪些方面复盘?
  15. Termios 百科
  16. echarts 圆环图中间插图或文字
  17. Slasher Flick(算法)
  18. 王兴,中国互联网最小清新的男人!
  19. Chinapay 银联支付接口
  20. 如何在wps中使用MathType编辑数学公式

热门文章

  1. 获取一个月份有多少天
  2. OpenGL 超级宝典笔记 —— 雾
  3. mysql 写100000行入表时报错 Thread stack overrun
  4. DataFrame对时间序列的操作
  5. 为什么优秀的程序员既懒又笨
  6. mysql 毫秒格式化_MySQL毫秒值和日期的指定格式的相互转换
  7. Uva140 Bandwidth 全排列+生成测试法+剪枝
  8. 艾美捷总胶原蛋白检测试剂盒特征相关研究
  9. 户外采访直播稳定无线WiFi方案,在偏远地区也无需担心网络信号差
  10. 什么是SMTP?它是如何工作的?第1部分