麻雀算法优化PNN神经网络在MATLAB中的数据分类实践

1 简介

概率神经网络(Probabilistic Neural Network,简称PNN)是利用贝叶斯定理和基于风险最小的贝叶斯决策规则对新样本进行分类的神经网络,具有训练时间短且不易收敛到局部极值的优点,但是传统PNN采用相同平滑系数容易导致识别率低和误分类的问题,其次平滑系数对分类结果影响巨大并且难以确定,模式层神经元数目由训练样本数目确定,当训练样本集规模巨大时,导致网络结构复杂。本文麻雀算法选择PNN网络的平滑系数向量并优化PNN的网络结构.

2 部分代码

function [fMin , bestX, Convergence_curve] = SSA(X, N, M, c, d, dim, fobj)P_percent = 0.2;    % 发现者的种群规模占总种群规模的百分比pNum = round(N*P_percent);    % 发现者数量20%SD = pNum/2;      % 警戒者数量10%ST = 0.8;           % 安全阈值lb = c.*ones(1, dim);     % 下限ub = d.*ones(1,dim);    % 上限% 初始化for i = 1:N%     X(i, :) = lb + (ub - lb) .* rand(1, dim);    fitness(i) = fobj(X(i, :));endpFit = fitness;pX = X;                            % 与pFit相对应的个体最佳位置[fMin, bestI] = min(fitness);      % fMin表示全局最优解bestX = X(bestI, :);             % bestX表示全局最优位置%% 迭代寻优for t = 1 : M           [~, sortIndex] = sort(pFit);            % 排序     [fmax, B] = max(pFit);    worst = X(B, :);     %% 发现者位置更新    r2 = rand(1);    if r2 < ST        for i = 1:pNum      % Equation (3)            r1 = rand(1);            X(sortIndex(i), :) = pX(sortIndex(i), :)*exp(-(i)/(r1*M));            X(sortIndex(i), :) = Bounds(X(sortIndex(i), :), lb, ub);            fitness(sortIndex(i)) = fobj(X(sortIndex(i), :));        end    else        for i = 1:pNum            X(sortIndex(i), :) = pX(sortIndex(i), :)+randn(1)*ones(1, dim);            X(sortIndex(i), :) = Bounds(X(sortIndex(i), :), lb, ub);            fitness(sortIndex(i)) = fobj(X(sortIndex(i), :));        end    end     [~, bestII] = min(fitness);    bestXX = X(bestII, :);     %% 跟随者位置更新    for i = (pNum+1):N                     % Equation (4)        A = floor(rand(1, dim)*2)*2-1;        if i > N/2            X(sortIndex(i), :) = randn(1)*exp((worst-pX(sortIndex(i), :))/(i)^2);        else            X(sortIndex(i), :) = bestXX+(abs((pX(sortIndex(i), :)-bestXX)))*(A'*(A*A')^(-1))*ones(1, dim);        end        X(sortIndex(i), :) = Bounds(X(sortIndex(i), :), lb, ub);        fitness(sortIndex(i)) = fobj(X(sortIndex(i), :));    end     %% 警戒者位置更新    c = randperm(numel(sortIndex));    b = sortIndex(c(1:SD));    for j = 1:length(b)      % Equation (5)        if pFit(sortIndex(b(j))) > fMin            X(sortIndex(b(j)), :) = bestX+(randn(1, dim)).*(abs((pX(sortIndex(b(j)), :) -bestX)));        else            X(sortIndex(b(j)), :) = pX(sortIndex(b(j)), :)+(2*rand(1)-1)*(abs(pX(sortIndex(b(j)), :)-worst))/(pFit(sortIndex(b(j)))-fmax+1e-50);        end        X(sortIndex(b(j)), :) = Bounds(X(sortIndex(b(j)), :), lb, ub);        fitness(sortIndex(b(j))) = fobj(X(sortIndex(b(j)), :));    end     for i = 1:N        % 更新个体最优        if fitness(i) < pFit(i)             pFit(i) = fitness(i);            pX(i, :) = X(i, :);        end        % 更新全局最优        if pFit(i) < fMin            fMin = pFit(i);            bestX = pX(i, :);        end    end    Convergence_curve(t) = fMin;     disp(['SSA: At iteration ', num2str(t), ' ,the best fitness is ', num2str(fMin)]);end%% 边界处理function s = Bounds(s, Lb, Ub)% 下界temp = s;I = temp < Lb;temp(I) = Lb(I);% 上界J = temp > Ub;temp(J) = Ub(J);% 更新s = temp;

3 仿真结果




免责声明:本文系网络转载或改编,未找到原创作者,版权归原作者所有。如涉及版权,请联系删

QR Code
微信扫一扫,欢迎咨询~

联系我们
武汉格发信息技术有限公司
湖北省武汉市经开区科技园西路6号103孵化器
电话:155-2731-8020 座机:027-59821821
邮件:tanzw@gofarlic.com
Copyright © 2023 Gofarsoft Co.,Ltd. 保留所有权利
遇到许可问题?该如何解决!?
评估许可证实际采购量? 
不清楚软件许可证使用数据? 
收到软件厂商律师函!?  
想要少购买点许可证,节省费用? 
收到软件厂商侵权通告!?  
有正版license,但许可证不够用,需要新购? 
联系方式 155-2731-8020
预留信息,一起解决您的问题
* 姓名:
* 手机:

* 公司名称:

姓名不为空

手机不正确

公司不为空