文献类型：期刊文章

作　　者：李敬明[1,2] 倪志伟[1] 朱旭辉[1] 许莹[3]

机构地区：[1]合肥工业大学管理学院,合肥230009 [2]安徽新华学院信息工程学院,合肥230088 [3]安徽省气象科学研究所安徽省大气科学与卫星遥感重点实验室,合肥230001

出　　处：《模式识别与人工智能》

基　　金：国家高技术研究发展计划(863计划)项目(No.2015AA042101);国家自然科学基金项目(No.91546108;71271071);安徽省教育厅自然科学研究重点项目(No.KJ2016A308)资助~~

年　　份：2017

卷　　号：30

期　　号：2

起止页码：171-182

语　　种：中文

收录情况：BDHX、BDHX2014、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对传统BP神经网络的随机初始权值和阈值易导致网络学习速度慢、容易陷入局部解及运算精度低等缺陷,提出基于改进二进制萤火虫算法(IBGSO)的BP神经网络并行集成学习算法.首先构建以高斯变异函数作为概率映射函数的IBGSO,并从理论上分析算法的有效性.然后结合IBGSO与BP神经网络构建并行集成学习算法,并将算法应用于农业干旱灾害评估中.实验表明,相比传统算法,文中算法在计算速度及精度方面更优,可以提高旱情等级评估的准确性.

关 键 词：二进制萤火虫算法  反向传播(BP)神经网络  高斯变异函数  农业旱情评估  

分 类 号：TP18]