典型文献
基于改进人工神经网络的大数据聚类方法研究
文献摘要：
为了优化BP人工神经网络在大规模样本聚类中的准确度,基于改进人工神经网络数据聚类方法,使用粒子群算法与遗传算法对BP人工神经网络的初始权值与阈值实施优化,将神经网络分类误差作为粒子群的适应度,利用遗传算法更新粒子速度与位置信息,获得最优粒子位置最优解,优化后的粒子群对BP神经网络初始权值与阈值寻优.实验结果显示,改进的BP神经网络训练误差与测试误差较为接近,表明网络模型的聚类性能较为精准、稳定.
文献关键词：
人工神经网络;粒子群;遗传算法;适应度;数据聚类
中图分类号：
作者姓名：
吕立新;江宏
作者机构：
安徽商贸职业技术学院 信息与人工智能学院,安徽 芜湖241000;菲律宾科技大学 工程技术学院,菲律宾 马尼拉0900
文献出处：
引用格式：
[1]吕立新;江宏-.基于改进人工神经网络的大数据聚类方法研究)[J].安阳师范学院学报,2022(05):20-23
A类：
B类：
改进人工神经网络,大数据聚类,聚类方法,模样,网络数据,粒子群算法,权值与阈值,神经网络分类,适应度,粒子速度,位置信息,最优粒子,最优解,神经网络训练,测试误差,明网
AB值：
0.291011
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
