【摘要】：為了提高數(shù)據(jù)分類的快速性與準(zhǔn)確性,本文在大腦情感學(xué)習(xí)(Brain Emotional Learning,BEL)模型的基礎(chǔ)上,結(jié)合遺傳算法(Genetic Algorithm,GA),提出了一種基于GA-BEL的快速分類改進(jìn)算法.BEL模型根據(jù)大腦中杏仁體和眶額皮質(zhì)之間相互學(xué)習(xí)的神經(jīng)生物學(xué)原理建立,模擬了情感刺激在大腦短反射通路中被快速處理的過程.因此,基于BEL模型的網(wǎng)絡(luò)運(yùn)算速度快.進(jìn)一步采用遺傳算法優(yōu)化BEL網(wǎng)絡(luò)權(quán)值,提高其分類正確率.在UCI數(shù)據(jù)集上的對(duì)比實(shí)驗(yàn)結(jié)果表明,無(wú)論對(duì)于小樣本還是大樣本數(shù)據(jù)集,較其他分類算法,GA-BEL算法均有較高的分類正確率和計(jì)算效率.
[Abstract]:In order to improve the rapidity and accuracy of data classification, this paper is based on the brain affective learning (Brain Emotional Learning,BEL) model. Combined with genetic algorithm (Genetic Algorithm,GA), an improved fast classification algorithm based on GA-BEL. Bel model was established according to the neurobiological principle of learning between amygdala and orbitofrontal cortex in the brain. It simulates the rapid processing of emotional stimuli in the short reflex pathway of the brain. Therefore, the network operation speed based on BEL model is fast. Furthermore, genetic algorithm is used to optimize the weights of BEL network to improve the classification accuracy. The experimental results on UCI data sets show that the classification accuracy and computational efficiency are higher than those of other classification algorithms, such as small or large sample data sets.
【作者單位】： 中南大學(xué)信息科學(xué)與工程學(xué)院;湖南文理學(xué)院電氣與信息工程學(xué)院;中國(guó)地質(zhì)大學(xué)自動(dòng)化學(xué)院;
【基金】：國(guó)家自然科學(xué)基金(No.61403422) 湖南省教育廳科學(xué)研究項(xiàng)目(No17C1084)
【分類號(hào)】：TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張曉斌;魏永祥;韓德民;夏寅;李希平;原林;唐雷;王興海;;數(shù)字化耳鼻咽喉數(shù)據(jù)集的采集[J];中華耳鼻咽喉頭頸外科雜志;2005年06期

2 職為梅;郭華平;范明;葉陽(yáng)東;;非平衡數(shù)據(jù)集分類方法探討[J];計(jì)算機(jī)科學(xué);2012年S1期

3 韓慧;王路;溫明;王文淵;;不均衡數(shù)據(jù)集學(xué)習(xí)中基于初分類的過抽樣算法[J];計(jì)算機(jī)應(yīng)用;2006年08期

4 高嘉偉;梁吉業(yè);;非平衡數(shù)據(jù)集分類問題研究進(jìn)展[J];計(jì)算機(jī)科學(xué);2008年04期

5 吳克壽;曾志強(qiáng);;非平衡數(shù)據(jù)集分類研究[J];計(jì)算機(jī)技術(shù)與發(fā)展;2011年09期

6 顏杰,李彩霞,曾芳芳,方積乾;如何控制SAS結(jié)果的輸出[J];中國(guó)衛(wèi)生統(tǒng)計(jì);2004年02期

7 王雙成;冷翠平;李小琳;;小數(shù)據(jù)集的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)[J];自動(dòng)化學(xué)報(bào);2009年08期

8 李鵬;王曉龍;劉遠(yuǎn)超;王寶勛;;一種基于混合策略的失衡數(shù)據(jù)集分類方法[J];電子學(xué)報(bào);2007年11期

9 王燦偉;于治樓;張化祥;;一種適合不平衡數(shù)據(jù)集的新型提升算法[J];計(jì)算機(jī)工程與應(yīng)用;2011年28期

10 蔡娜;王俊英;劉惟一;;一種基于小數(shù)據(jù)集的貝葉斯網(wǎng)絡(luò)學(xué)習(xí)方法[J];云南大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年04期

相關(guān)博士學(xué)位論文 前4條

1 嚴(yán)遠(yuǎn)亭;不完整數(shù)據(jù)集的多視角集成分類研究[D];安徽大學(xué);2016年

2 史熒中;耦合的支持向量學(xué)習(xí)方法及應(yīng)用研究[D];江南大學(xué);2016年

3 雒曉卓;基于聯(lián)合稀疏和局部線性的極限學(xué)習(xí)機(jī)及應(yīng)用[D];西安電子科技大學(xué);2015年

4 孫漢昌;蛋白質(zhì)組質(zhì)譜數(shù)據(jù)處理關(guān)鍵問題與技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 張曉丹;WSN中基于改進(jìn)粒子群優(yōu)化算法的分簇拓?fù)渌惴ㄑ芯縖D];鄭州大學(xué);2017年

2 賈yN愷;基于深度特征學(xué)習(xí)的目標(biāo)檢測(cè)與跟蹤算法研究[D];西安科技大學(xué);2017年

3 袁銘;基于R-SMOTE方法的非平衡數(shù)據(jù)分類研究[D];河北大學(xué);2015年

4 程偉;基于半監(jiān)督SVM的非平衡學(xué)習(xí)[D];西安電子科技大學(xué);2014年

5 馬蕊;基于觸覺序列的物體分類方法[D];石家莊鐵道大學(xué);2015年

6 閆欣;綜合過采樣和欠采樣的不平衡數(shù)據(jù)集的學(xué)習(xí)研究[D];東北電力大學(xué);2016年

7 朱政;V-支持向量分類機(jī)中若干問題的研究[D];華東師范大學(xué);2016年

8 蔣偉;基于特征的軌跡數(shù)據(jù)集化簡(jiǎn)研究[D];蘇州大學(xué);2016年

9 徐麗麗;面向不平衡數(shù)據(jù)集的分類算法研究[D];遼寧師范大學(xué);2016年

10 王聰;基于深度學(xué)習(xí)的交通標(biāo)志檢測(cè)算法研究[D];北方工業(yè)大學(xué);2017年

，

本文編號(hào)：2239796