1、學習方法的泛化能力、學習效率和易用性是機器學習及其應用過程中所面臨三個關鍵性問題。神經(jīng)網(wǎng)絡集成學習通過訓練多個神經(jīng)網(wǎng)絡并將其結(jié)果進行合成,顯著地提高了系統(tǒng)的泛化能力,成為近年來機器學習領域一個重要研究方向。
　　 本文在眾多的方法中選取了粒子群算法和BP神經(jīng)網(wǎng)絡算法以及神經(jīng)網(wǎng)絡集成算法進行研究。粒子群算法具有參數(shù)少,計算簡便等優(yōu)點,因此它在優(yōu)化BP神經(jīng)網(wǎng)絡領域擁有巨大的應用前景。本文通過對現(xiàn)有算法的深入分析和研究,結(jié)合數(shù)據(jù)的特點

2、,提出了相應的改進算法,并采用冠心病數(shù)據(jù)與UCI數(shù)據(jù)進行測試,取得了較好的效果。本文的主要工作分為以下幾個方面:
　　 (1)提出了一種確定BP網(wǎng)絡隱層結(jié)點數(shù)目的有效方法。BP網(wǎng)絡的隱層結(jié)點數(shù)目一直是研究BP神經(jīng)網(wǎng)絡的一個難題,到目前為止仍然沒有一個明確的公式能將其計算出來。本文通過特殊的編碼方式,利用具有全局搜索能力的粒子群算法來對BP網(wǎng)絡的隱層結(jié)點數(shù)目及網(wǎng)絡的權(quán)值和閾值同時進行優(yōu)化。實驗證明,這種網(wǎng)絡的訓練方式,不僅能在權(quán)值

3、和閾值的調(diào)整過程中確定隱層結(jié)點的數(shù)目,還能進一步提高網(wǎng)絡的學習能力。
　　 (2)首次利用帶有優(yōu)化隱層結(jié)點數(shù)目的粒子群神經(jīng)網(wǎng)絡作神經(jīng)網(wǎng)絡集成學習。神經(jīng)網(wǎng)絡集成的一個重要條件就是構(gòu)成集成的個體網(wǎng)絡之間要有足夠的差異性。由于帶有優(yōu)化隱層結(jié)點數(shù)目的粒子群神經(jīng)網(wǎng)絡可以在網(wǎng)絡的訓練過程中動態(tài)的尋找到隱層結(jié)點數(shù)目與網(wǎng)絡權(quán)值和閾值的最佳組合,不同初始狀態(tài)下的權(quán)值和閾值將對應不同的隱層結(jié)點個數(shù),這就使得個體網(wǎng)絡之間更具多樣性。對帶有優(yōu)化隱層結(jié)點