[发明专利]一种基于小生境和自适应负相关学习的进化神经网络集成方法

权利要求书

1.一种基于小生境和自适应负相关学习的进化神经网络集成方法，其 特征在于：包括如下步骤：

步骤1、初始化一个有M个网络个体的种群，种群中每个网络个 体的隐结点个数，结点间链接的数量和链接的权值都被随机初始化；

步骤2、根据适应度公式，计算种群中每个个体的适应度值；

步骤3、基于小生境的方法选择个体；

步骤4、对选择的个体进行交叉、变异操作，生成父代的子代；

步骤5、使用自适应的负相关学习方法更新每个网络个体的链接 的权值，公式如下：

E=Σn=1N(fi(xn)-yn)2-λΣn=1N(fi(xn)-fens(xn))2]]>

∂E∂wij=2Σn=1N(fi(xn)-yn)∂fi(xn)wij-2λΣn=1N(fi(xn)-fens(xn))(1-1M)∂fi(xn)wij]]>

其中，E是网络个体在负相关学习过程中的错误差，N为训练样 本数，f_i(x_n)和y_n分别为网络输出值和目标值，f_ens(x_n)为网络集成的 输出值，λ为惩罚项参数，w_ij为网络框架中的权值，M为网络集成中 的个体的数量，通过求网络错误差与权值之间的偏导来重新调整 权值；

步骤6、计算每个后代的适应度值，并且将子代与父代合并成一 个种群；

步骤7、使用精英策略选择个体生成新的种群，并且将新生成的 种群的个体按照适应度从高到低进行排序；

步骤8、判断是否到达进化的最大代数，如果是，则进入步骤9， 否则返回步骤3；

步骤9、联结所有网络个体形成网络集成，并对测试集进行分类 预测。