论文部分内容阅读
为了解决BP神经网络对高维冗余样本分类时收敛速度慢、易陷入局部极小值问题，提出基于蚁群算法与粗糙集的混合BP神经网络分类模型．该混合BP神经网络用粗糙集对样本进行约简和降维，输入层神经元个数得到减少，降低了训练神经网络的计算复杂度，用蚁群算法解决了选取神经网络权值和阈值的随机性，避免了因其而导致的易陷入局部极小值的不足．对UCI数据库中数据集的测试结果说明，提出的混合BP神经网络对高维冗余复杂样本进行分类是可行的，性能远远比传统BP神经网络和蚁群神经网络优越．