基于改进人工神经网络的大数据聚类方法研究Research on Clustering Method of Big Data Based on Improving Artificial Neural Network
吕立新;江宏;
摘要(Abstract)：
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。
关键词(KeyWords)： 人工神经网络;粒子群;遗传算法;适应度;数据聚类
基金项目(Foundation): 安徽省教育厅高校优秀青年人才支持计划课题“基于环境反向散射通信技术的无源物联网通信节点设计”(项目编号：gxyq2018236)
作者(Authors): 吕立新;江宏;
DOI: 10.16140/j.cnki.1671-5330.2022.05.001
参考文献(References)：
- [1]张驰，郭媛，黎明.人工神经网络模型发展及应用综述[J].计算机工程与应用，2021,57(11):57-69.
- [2]温沁雪，李奕芯，杨硕，等.基于数据挖掘和人工神经网络的厌氧产气模型构建[J].中国给水排水，2019,35(1):77-81.
- [3]李利峰，杨华，张娟，等.基于人工神经网络的区域滑坡预测研究[J].气象与环境科学，2020,43(3):65-70.
- [4]张开生，黄谦.基于粒子群优化BP神经网络的脉象识别方法[J].现代电子技术，2018,41(3):96-100.
- [5]王宗杰，邢明峰，王洪泊.基于粒子群优化BP神经网络的医患关系风险预警模型[J].北京工业大学学报，2017,43(1):8-12.
- [6]张文田，凌卫新.基于相似度的神经网络多源迁移学习算法[J].科学技术与工程，2019,19(15):186-191.
- [7]刘宇，惠鸿飞，路永乐，等.基于遗传算法优化神经网络的多源信息融合室内定位方法[J].中国惯性技术学报，2020,28(1):67-73.
- [8]薛明，韦波，李娟，等.基于改进BP神经网络与支持向量机的土壤墒情预测方法研究[J].土壤通报，2021,52(4):793-800.