基于GA-DBN模型的分类方法研究

摘要：

本文采用多层受限玻尔兹曼机和BP神经网络构成的深度置信网络作为分类模型,并采用遗传算法对深度置信网络中的受限玻尔兹曼机的参数进行逐层寻优,从而构建了GA-DBN分类模型.通过与随机森林、人工神经网络、支持向量机和XGBoost分类模型进行对比实验发现,构建的GA-DBN模型在分类准确度和F1值上均有较好的表现.为验证遗传算法对DBN模型的优化效果,将人工蜂群算法优化的DBN模型即ABC-DBN模型与GA-DBN模型进行对比实验发现,GA-DBN模型在准确率、F1值和运行时间上均表现出良好的效果,说明遗传算法对DBN模型的优化效果更突出.

关键词：遗传算法、多层受限波尔兹曼机、BP神经网络、深度置信网络

所属期刊栏目：13

分类号：TP181(自动化基础理论)

在线出版日期：2023-05-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：23-31