10.3969/j.issn.2095-2783.2019.07.012
改进粒子群优化BP神经网络的轮毂分类算法
针对轮毂识别系统前期图像特征提取误差较大时分类准确性降低的问题,提出了基于改进粒子群算法优化BP神经网络的轮毂识别模型.在标准粒子群中引入遗传算法的变异因子、惯性权重、时间因子、速度边界限制和反弹策略,以改进粒子群算法,从而提高寻找最优阈值与权值的性能.经过与不同算法的对比数据看出,采用改进粒子群优化BP神经网络算法的分类识别率比其他算法提高了9%左右,且收敛速度、收敛精度均有提高,证明了所提IPSO(improved particle swarm optimization)算法的有效性.
粒子群改进算法、BP神经网络、轮毂识别分类、特征提取
14
TP183(自动化基础理论)
国家自然科学基金资助项目61273180;山东省高等学校科技计划项目J14LN74
2019-11-21(万方平台首次上网日期,不代表论文的发表时间)
共6页
773-777,788