【摘要】：為了提高BP神經(jīng)網(wǎng)絡(luò)算法的分類準(zhǔn)確率和運(yùn)行時(shí)間效率,利用PSO算法和并行化設(shè)計(jì)的思想,提出了Hadoop平臺下基于MapReduce的PSO優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的并行化設(shè)計(jì)及實(shí)現(xiàn)方法。利用PSO算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值,提高算法分類準(zhǔn)確率;采用MapReduce并行編程模型實(shí)現(xiàn)算法的并行化處理,解決了BP神經(jīng)網(wǎng)絡(luò)在處理大規(guī)模樣本數(shù)據(jù)集時(shí)存在的硬件開銷和通信開銷大的問題。選用SUN Database場景圖像庫構(gòu)造了5個(gè)不同規(guī)模的數(shù)據(jù)集,通過與傳統(tǒng)的串行PSO-BP神經(jīng)網(wǎng)絡(luò)算法實(shí)驗(yàn)對比,并行化的PSO-BP神經(jīng)網(wǎng)絡(luò)算法分類準(zhǔn)確率達(dá)92%左右,系統(tǒng)效率在0.85左右,在處理大規(guī)模數(shù)據(jù)集時(shí)具有明顯的優(yōu)越性。
[Abstract]:In order to improve the classification accuracy and running time efficiency of BP neural network algorithm, the parallel design and implementation method of PSO optimization BP neural network based on MapReduce under Hadoop platform is proposed by using PSO algorithm and parallel design idea. The PSO algorithm is used to optimize the initial weights and thresholds of BP neural network to improve the classification accuracy of the algorithm, and the parallel programming model of MapReduce is used to realize the parallelization of the algorithm. The problem of large hardware overhead and communication overhead of BP neural network in dealing with large sample data sets is solved. Five data sets of different scales are constructed by using sun Database scene image database. By comparing with the traditional serial PSO-BP neural network algorithm, the classification accuracy of parallel PSO-BP neural network algorithm is about 92%, and the system efficiency is about 0.85. It has obvious advantages in dealing with large data sets.
【作者單位】： 忻州師范學(xué)院計(jì)算機(jī)科學(xué)與技術(shù)系;太原科技大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院;
【基金】：2014年度山西省大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練項(xiàng)目(2014383) 2013年度國家自然基金項(xiàng)目(61202163) 2013年度山西省自然基金項(xiàng)目(2013011017-2)
【分類號】：TP183

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張賽民;周竹生;陳靈君;;應(yīng)用一種改進(jìn)BP神經(jīng)網(wǎng)絡(luò)算法預(yù)測密度曲線[J];物探化探計(jì)算技術(shù);2007年06期

2 李淑慧;;改進(jìn)的進(jìn)化神經(jīng)網(wǎng)絡(luò)算法及其在入侵檢測中的應(yīng)用[J];現(xiàn)代電子技術(shù);2010年01期

3 王治國;宋考平;張春鶴;劉剛;王愛明;;BP神經(jīng)網(wǎng)絡(luò)算法在單井流動單元識別中的應(yīng)用[J];數(shù)學(xué)的實(shí)踐與認(rèn)識;2011年05期

4 ;BP神經(jīng)網(wǎng)絡(luò)算法的改進(jìn)[J];電腦開發(fā)與應(yīng)用;1995年02期

5 賀興時(shí),劉宇;BP神經(jīng)網(wǎng)絡(luò)算法在數(shù)字識別中的應(yīng)用[J];西北紡織工學(xué)院學(xué)報(bào);2000年04期

6 李廣瓊,蔣加伏;關(guān)于對BP神經(jīng)網(wǎng)絡(luò)算法改進(jìn)的研究[J];常德師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2003年02期

7 孫修東,李宗斌,陳富民;基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)算法的多指標(biāo)綜合評價(jià)方法的應(yīng)用研究[J];河南機(jī)電高等�？茖W(xué)校學(xué)報(bào);2003年01期

8 王青海;BP神經(jīng)網(wǎng)絡(luò)算法的一種改進(jìn)[J];青海大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年03期

9 左付均,蔡自興;基于神經(jīng)網(wǎng)絡(luò)算法的建設(shè)項(xiàng)目風(fēng)險(xiǎn)預(yù)測系統(tǒng)設(shè)計(jì)[J];廣西科學(xué)院學(xué)報(bào);2004年03期

10 李衛(wèi)東;基于神經(jīng)網(wǎng)絡(luò)算法的工程技術(shù)人員綜合評價(jià)方法的應(yīng)用研究[J];太原科技大學(xué)學(xué)報(bào);2005年02期

相關(guān)會議論文 前10條

1 呂慶U，

本文編號：2136268