基于狮群算法优化的KELM及分类诊断

为了提高核极限学习机的分类正确率,采用狮群算法对惩罚系数C、宽度参数σ两个参数进行优化。首先,利用乳腺良恶性肿瘤数据库训练集和狮群算法优化核极限学习机,完成核极限学习机的重构;然后,通过LSO-KELM和KELM对测试集进行分类诊断;最后,对比分析LSO-KELM和KELM的分类性能,测试结果表明,LSO-KELM的诊断正确率相较于KELM提高了12%,且恶性肿瘤的诊断正确率显著优于KELM。     

一种基于哈里斯鹰算法改进的BP神经网络

由于传统BP神经网络的训练过程对初始权值及阈值的依赖程度较大,且较优的初始权值及阈值又无法精确获取,采用哈里斯鹰算法对BP神经网络的权值、阈值进行优化。将BP神经网络训练过程中的误差作为适应度函数,并利用鸢尾花数据构建BP神经网络的训练集及测试集。测试结果表明,哈里斯鹰算法能够有效地优化权值及阈值并降低训练误差。BP神经网络的测试集分类准确率为86%,而经过哈里斯鹰算法优化后,BP神经网络的测试集分类准确率达到了96%。     

clean环中的几个上三角矩阵环

研究了clean环中的几个上三角矩阵环。通过将clean环的定义推广到任意环(不必有1),得到若R 是clean环,G 是阶为2的群,满足一定条件,群环RG 也是clean环;证明了一些上三角矩阵环是强clean环。最后 推广了一些结论,得到一些上三角矩阵环是强f飊clean环。