数事载本与率用
基于粗糙集－遗传
算法改进的BP神经网络算法研究
刘建明
(唐山师范学院河北唐山063000)
算法分析
摘要：日前BP神经网络已经成为应用最为广逐的神经网络模型之一,祖载集作为一科处理模棚数据的工具，将其应用于BP神经网络,并对输入变量进行易性约简，降低了数据降维数,结合造传算法对全局投索，进而优化了BP神经网络的阅值和初始权值。实验结表明效进后的BP神经网络训练时间短，网络泛化能力得到提高。
关键词：粗植集遗传算法BP神经网络优化
中图分类号：TP391
文献标识码:A
文章编号:1007-9416(2015)03-0121-01
目前BP神经网络已经成为应用最为广泛的神经网络模型之 BP神经网络能学习和存贮大量的输入一输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过逆传播来不断调整网络的阔值和权值，使网络的误差平方和最小。BP神经网络可以应用于聚类、分类、预测等。神经网络需要有一定量的历史数据，通过历史数据的训练，网络可以学习到数据中隐含的知识。在具体问题中，要找到某些问题的一些特征，以
及对应的评价数据，用这些数据来训练神经网络。 1粗糙集理论优化BP神经网络
1.1粗糙集理论概述
S作为一个知识表达系统租超集一般形式记为：S一(U，A，V,f),其中U为论域A为属性集;V为属性值域；A=BUC,BC=Φ,B为条件属性集合，C为决策属性集合，F：U×A→V是一个信息函数。
定义1:对于一个知识表达系统S=(U，A，V,f),满足下列两个条件的B=C是条件属性集C的约简：(1)ND(B,D)=IND(C,D)(2)不存在B'c B, 使IND(B,D)= IND(C, D)
定义2:对于一个知识表达系统S=(U,A,V,f),设R三4,对任意集合XCU,则X关于R的下近似集定义为：R_(X)=LYeU/R：:YSx)
上近似集定义为：R(x)=u(YeU/R:YnX)。
定义B=R-(x)-R(x)为X的R粗糙集。上、下近似集是定义在U的幕集上的一对一元算子。集合X关于R的边界区可表述为
切始种群 RS.属性约篇
造传算法优化网整 BP神经网络训
请传谨作（选径、交叉、变异）
新神群
香
是否达到进化的代数
图1粗糙遗传神经网络模型
收稿日期：20150303
基金项目：河北省高等学校科学研究计划项目(项自编号：Z2014188)。
B=R-(x)-R(x).通常能够背定地将U中的对象划分为X或-X 两个不关联的子集，其对象总数等于排除X的R边界的对象数目，即 U-B(x)
定义3：令P与Q是U中的等价关系，记pos(Q)为Q的P正域，即 pos,(O)=u.P.X
Q的P正域是U中所有根据分类U/P的信息可以准确地划分到关系Q的等价类中去的对象集合。令P和Q为等价关系族，ReP，如果 : poS(IND(O)= poSo(r-e(IND(O)
则称R为P中Q不必要的，即R为P相对于Q可以约简的。P的Q约简简称为相对约简。
1.2RS属性约简算法
属性约简是租集理论中的核心知识，也是租错集在本文中应用的重要知识。在实际问题中信息是大量的这样就会存在元余，而且有些信息并不起决定作用，所以要对这此信息进行筛选，删除余信息，也就是要进行属性约简，
首先根据数据特征确定离散化标准，然后对连续特征进行离散化,建立出决策表.决策系统K=U,C,D,JIA=CUD,C表示条件属性，D表示决策属性。"=U,定义一个的矩阵，其任一元素为：
a'(x, y)= ja A: f(x, a)± f(y, a), w(x, y)s
对于x,yU,w(x,J)满足：xE pos,(D)且ypos,(D)，或者： X pas,(D)且 y E pos,(D),或者: X,y E pos,(D)且(x, y)eind(D)。
α"(x,>)表示区别元素x和的所有属性的函数"，对于每个属性aA,指定Boole变量(a,2."-,a,}+，指定一个Boole函数 a,Va,"Va,用a(x,y)来表示,如果a(x,y)=,指定Boole常量 1.购4=a()m
r)
4'的极小析取范式中得所有合取式是条件属性集C的所有D约
简。每个约简对应一个决策算法，通过比较各决策算法的相容度[pas(PO)(P,O)选定最优约简。
2利用遗传算法优化BP神经网络研究
BP神经网络算法缺乏全局性，因为它是一种只考虑局部区域的梯度法，这样就容易陷于局部最优极值。然而遗传算法是一种全局优化方法，它是一种基于生物进化过程的随机搜索的，通过变异操作和交叉很大程度减小了初始状态的对数据的影响，将遗传算法与 BP神经网络结合可以扩大神经网络系统搜索解的空间，从而摆脱了算法易陷于局部最优解的整端，使算法具备了全局最优解的能力。
.下转第123页
作者简介：刘建明(1978一),男，河北滦南人,讲师，颈士，研究方向：应用数学。
124