换一批基于主成分的SFLABP网络模型在帕金森氏病分类中的应用
Based-on PCA of SFLABP Neural Network Model in Application of Parkinson Disease’S Classification
摘要针对BP神经网络学习效率低、容易陷入局部最优等缺点,提出了一种基于主成分分析的混合蛙跳算法(Shuffle Frog Leaping Algorithm)优化的BP神经网络模型.使用主成分分析法对高维数据进行特征提取,作为网络输入;采用混合蛙跳算法优化BP神经网络的权系数和阈值,构建基于混合蛙跳算法神经网络的帕金森病分类模型.最后,以UCI中Parkinson数据为例,实验表明,新模型优于传统的BP网络.
更多相关知识
关键词
主成分分析混合蛙跳算法BP神经网络帕金森氏病分类principal component analysis (PCA)shuffle frog leaping algorithm (SFLA)BP neural networkParkinsonclassifica?tion
分类号
TP393
发布时间
2013-04-22（万方平台首次上网日期，不代表论文的发表时间）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
