【智能算法】混合智能算法

2017年07月08日

Author: Guofei

文章归类: 6-启发式算法，文章编号: 650

版权声明：本文作者是郭飞。转载随意，但需要标明原文链接，并通知本人
原文链接：https://www.guofei.site/2017/07/08/intalgo.html

Edit

遗传算法优化神经网络

《43案例》第三章
实际上是用遗传算法计算神经网络中的参数

适应度与神经网络的误差有关
基因对应神经网络中的权值和阈值

神经网络遗传算法极值寻优

《43案例》第四章
问题：工程上说，数据点有限，但又要求我们给出一个推测出的极值。

先用数据训练神经网络，这一步可以用误差反向传播法，也使用遗传算法寻优
由于得到了已经训练好的神经网络，把神经网络当做func,用遗传算法来求解最优

BP_AdaBoost

就是BP做基分类器，AdaBoost方法

RBF

SVM

利用SVC做回归

SVM图像分割：手动选取背景像素点、前景像素点，用SVM进行分割

图像分割算法

图像分割算法有以下几类：

基于阈值的分割方法

g(i,j)=1,if f(i,j)≥Tg(i,j)=1,iff(i,j)≥T
g(i,j)=0,elseg(i,j)=0,else
这种方法运算效率高

基于区域的分割方法

区域生长
类似的像素点合并，最后合并到整个图像
区域分裂合并
从整个图像出发，分裂成不同的子区域

基于边缘的分割

检测边缘，一般边缘有明显的颜色变化

基于特定理论

基于小波变换

GA

ANN

SVM用于手写识别

SVM——PSO

用PSO方法寻优，找到最优的c和g

SVM——GA

用GA寻优，找到最优的c和g

Elman

案例：Elman用于柴油机故障诊断。
实际上是一个聚类的玩法。

BP-MIV

MIV(Mean Impact Value，平均影响值)可以用来描述神经网络输入feature的重要性，原理是神经网络训练完成后，把每一个feature加减10%，然后分别输入神经网络，观察结果的差值。

您的支持将鼓励我继续创作！

【智能算法】混合智能算法