【网学提醒】:本文主要为网上学习者提供蠓虫分类模型,希望对需要蠓虫分类模型网友有所帮助,学习一下吧!
资料包括: 论文(27页6642字) 源码 图纸
说明:摘要 本文建立了一个BP神经网络模型,并对BP算法进行了改进。根据题中给出的15个已知样品中,我们用BP神经网络模型找出相应规律,将此规律用于处理未确认的样本。为此我们建立三层神经网络模型,输入信号有两个,即翼长和触角长,输出信号有两个,设Af样品的输出是(1,0);Apf的输出是(0,1)时为理想输出。对于任一未知样品,输出元后,和靠近(1,0)还是靠近(0,1)对比,判断其归属。通过对第二问种数据的仿真我们确认:
Input { 1.240 1.800 }
Output{ 0.399 0.601 } Can not recognize
Input { 1.280 1.840 }
Output{ 0.085 0.915 } Af
Input { 1.400 2.040 }
Output{ 0.846 0.154 } Apf
由于B-P算法是一种梯度下降法,所以整个学习过程是一个非线性优化过程,有可能产生局部最小值和震荡,使学习结果变差,即有可能得不到全局极小值,于是我们引入了模拟退火法,对其进行改良,其要点为学习过程中,保持误差曲线的梯度下降,并摆脱传统BP算法,可以保证收敛到一个局部极小点,达到真正的全局极小。
考虑到我们对两种蠓虫的侧重不同,用概率统计的思想说就是对蠓虫判错后的影响程度的大小不同。我们在两种蠓虫输出结果与理想结果的误差上加一个权值以减小对影响较大的那种判错的可能性。通过仿真我们得出:
Input { 1.240 1.800 }
Output{ 0.964 0.036 } Apf
Input { 1.280 1.840 }
Output{ 0.173 0.827 } Af
Input { 1.400 2.040 }
Output{ 0.978 0.022 } Apf
在对划分各种蠓虫所属区域时。我们借用蒙特卡罗的思想产生100万个随机点并对其进行训练后的判别用不同的颜色表示各种类型。从而将蠓虫的所属区域划出了。
问题重述:
两种蠓Af和Apf由生物学家W﹒L﹒Grogan W﹒Wirth(1981年)根据它们的触角长度和翼长加以区别,9只为Af 蠓用“”标记,6只Apf蠓用“﹒”标记。根据给出的触角长度和翼长识别出一只标本是Af还是Apf是重要的。
1)给出一只Af或者Apf族的蠓,你如何正确地区分它属于哪一族?
2)将你的方法对触角和翼长分别为(1.24,1.80),(1.28,1.84)与(1.40,2.04)的3个标本,用所得的方法加以识别。
3)设Af是宝贵的传粉益虫,Apf是某种疾病的载体,是否应该修改你的方法的分类方法,若需修改,怎么办?