專(zhuān)利名稱(chēng)：一種遺傳算法改進(jìn)神經(jīng)網(wǎng)絡(luò)遙感分類(lèi)處理方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種遙感分類(lèi)處理方法，尤其是涉及一種遺傳算法改進(jìn)神經(jīng)網(wǎng)絡(luò)遙感分類(lèi)處理方 法。
背景技術(shù)：
由于神經(jīng)網(wǎng)絡(luò)的收斂性問(wèn)題和訓(xùn)練成功網(wǎng)絡(luò)的不可靠性，本發(fā)明引入遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的隱含層神經(jīng)元數(shù)目、神經(jīng)元閾值和神經(jīng)元與神經(jīng)元間的連接權(quán)值。遺傳算法魯棒性強(qiáng)，以其高效的自適應(yīng)優(yōu)化能力并行搜索全局最優(yōu)解，結(jié)合BP算法的誤差反向傳播機(jī)制，不僅利用BP算法快速地訓(xùn)練神經(jīng)網(wǎng)絡(luò)，而且遺傳算法又彌補(bǔ)了 BP網(wǎng)絡(luò)收斂速度慢和在訓(xùn)練開(kāi)始不久網(wǎng)絡(luò)便收斂到局部極值的不足，并且避免了神經(jīng)網(wǎng)絡(luò)訓(xùn)練時(shí)加入動(dòng)量項(xiàng)的不確定性和調(diào)整訓(xùn)練速率的不穩(wěn)定性，適應(yīng)度函數(shù)的確定也取代了誤差函數(shù)的選取。同時(shí)，與許多用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)時(shí)對(duì)網(wǎng)絡(luò)進(jìn)行二進(jìn)制編碼或?qū)崝?shù)編碼方式不同的是， 本發(fā)明將隱含層的神經(jīng)元數(shù)目也用實(shí)數(shù)編碼，還改進(jìn)了遺傳算法進(jìn)化過(guò)程中選擇、交叉、變異的方式，以達(dá)到快速搜索最優(yōu)網(wǎng)絡(luò)的目的。方法內(nèi)容本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供的一種隱含層的神經(jīng)元數(shù)目使用實(shí)數(shù)編碼，遺傳算法進(jìn)化過(guò)程中選擇、交叉、變異方式得到改進(jìn)，且可以達(dá)到快速搜索最優(yōu)網(wǎng)絡(luò)的遺傳算法改進(jìn)神經(jīng)網(wǎng)絡(luò)遙感分類(lèi)處理方法。本發(fā)明的目的可以通過(guò)以下技術(shù)方案來(lái)實(shí)現(xiàn)一種遺傳算法改進(jìn)神經(jīng)網(wǎng)絡(luò)遙感分類(lèi)處理方法，其特征在于，包括以下步驟1)將每種網(wǎng)絡(luò)結(jié)構(gòu)看作為種群的一個(gè)個(gè)體，將個(gè)體中的染色體進(jìn)行編碼，并進(jìn)行種群初始化；2)對(duì)染色體進(jìn)行解碼；3)根據(jù)預(yù)定的目標(biāo)適應(yīng)度函數(shù)來(lái)計(jì)算各個(gè)染色體的適應(yīng)度；4)判斷適應(yīng)度最高的個(gè)體是否符合BP網(wǎng)絡(luò)的要求，若為是，執(zhí)行步驟5)，若為否， 則進(jìn)行演化過(guò)程，返回步驟2)；5)得到最優(yōu)個(gè)體，進(jìn)行測(cè)試BP網(wǎng)絡(luò)；6)進(jìn)行遺傳算法優(yōu)化BP網(wǎng)絡(luò)的分類(lèi)，并得出分類(lèi)結(jié)果；7)進(jìn)行變化監(jiān)測(cè)，并得出變化監(jiān)測(cè)結(jié)果。所述的步驟1)中的將染色體進(jìn)行編碼步驟如下11)對(duì)象的定義，染色體編碼包括八個(gè)部分，具體定義如下單元1:一個(gè)十進(jìn)制數(shù)，隱含層數(shù)的浮點(diǎn)數(shù)編碼q'，對(duì)q’四舍五入確定隱含層數(shù) q ；單元2:—個(gè)或多個(gè)十進(jìn)制數(shù)，隱含層神經(jīng)元數(shù)的浮點(diǎn)數(shù)編碼pk'，對(duì)pk'四舍五入確定隱含層神經(jīng)元數(shù)pk，其中k = 1，2，…，q ；單元3 :n個(gè)輸入層神經(jīng)元的閾值，從al到an ；
單元4 :m個(gè)輸出層神經(jīng)元的閾值，從bl到bm;單元5 第k個(gè)隱含層的第i個(gè)神經(jīng)元的閾值(cki)，其中i = 1，2，…，pk，k = 1,2, ···, q ；單元6 輸入層中的η個(gè)神經(jīng)元與第1個(gè)隱含層中的jl個(gè)神經(jīng)元間的連接權(quán)值 (從dIy1 到、)，其中 j 1 = 1,2, -,pl ；單元7 最后一個(gè)隱含層中的jq個(gè)神經(jīng)元與輸出層中的m個(gè)神經(jīng)元間的連接權(quán)值 (從 到^ )，其中jq = 1，2，…，pq ；單元8:第k'個(gè)隱含層的第jk'個(gè)神經(jīng)元與第(k' +1)個(gè)隱含層的第jk' +1個(gè)神經(jīng)元間的連接權(quán)值(&’Λ·λ_+ι )，其中 jk' = 1,2, -,pk' , k' = 1,2,…，q-1;12)采用變長(zhǎng)實(shí)數(shù)編碼方式，編碼過(guò)程如下(l)p’在隨機(jī)初始化或進(jìn)化過(guò)程中都為實(shí)數(shù)，采用ρ = Int (ρ‘ +0. 5)的對(duì)ρ’四舍五入原則確定隱含層神經(jīng)元數(shù)P ；(2)輸入層神經(jīng)元的閾值；(3)然后是輸入層神經(jīng)元到第i個(gè)隱含層神經(jīng)元的連接權(quán)值；(4)第i個(gè)隱含層神經(jīng)元的閾值；(5)第i個(gè)隱含層神經(jīng)元到輸出層神經(jīng)元的連接權(quán)值，其中i按隱含層神經(jīng)元的順序從ι至Ρ ；(6)輸出層神經(jīng)元的閾值。所述的步驟3)中的適應(yīng)度函數(shù)為f(x) = 1/E，其中E為網(wǎng)絡(luò)的輸出誤差。所述的步驟4)中的演化過(guò)程包括以下步驟41)選擇，采用輪盤(pán)賭選擇法和最優(yōu)個(gè)體保留原則進(jìn)行個(gè)體的選擇，首先保留父代種群中適應(yīng)度最大和次大的個(gè)體，直接進(jìn)入交叉操作中，再利用輪盤(pán)賭法對(duì)其它個(gè)體進(jìn)行選擇，直到產(chǎn)生N個(gè)個(gè)體；42)重組，選擇Pc交叉概率，根據(jù)Pc確定是否要交叉后，依據(jù)公式(1)、(2)進(jìn)行交叉CG1 = gamaXPGi+d-gama) XPG2 (1)CG2 = gamaXPG2+(l-gama) XPG1 (2)式中C、CG2, PG1, PG2, gama分別為第一個(gè)子個(gè)體、第二個(gè)子個(gè)體、第一個(gè)父?jìng)€(gè)體、 第二個(gè)父?jìng)€(gè)體和交叉度，交叉度gama的值在
區(qū)間內(nèi)，并且依據(jù)gamat+1 = a^gamat, t表示進(jìn)化次數(shù)，交叉前，兩個(gè)父?jìng)€(gè)體中某個(gè)體相對(duì)另一個(gè)體編碼較短時(shí)，隨機(jī)生成實(shí)數(shù)補(bǔ)齊；43)變異，選擇Pm為變異概率，根據(jù)Pm確定是否要變異，依據(jù)公式(3)進(jìn)行變異CG2 = BlphaXCG1 (3)式中CGp CG2, alpha分別為變異前的子個(gè)體、變異后的子個(gè)體和變異度，alpha的取值依據(jù)alphat+1 = b*alphat，依據(jù)自適應(yīng)遺傳算法方法計(jì)算調(diào)整交叉概率和變異概率，運(yùn)用下列公式(4)、(5)計(jì)算調(diào)整交叉概率和變異概率，
權(quán)利要求
1.一種遺傳算法改進(jìn)神經(jīng)網(wǎng)絡(luò)遙感分類(lèi)處理方法，其特征在于，包括以下步驟1)將每種網(wǎng)絡(luò)結(jié)構(gòu)看作為種群的一個(gè)個(gè)體，將個(gè)體中的染色體進(jìn)行編碼，并進(jìn)行種群初始化；2)對(duì)染色體進(jìn)行解碼；3)根據(jù)預(yù)定的目標(biāo)適應(yīng)度函數(shù)來(lái)計(jì)算各個(gè)染色體的適應(yīng)度；4)判斷適應(yīng)度最高的個(gè)體是否符合BP網(wǎng)絡(luò)的要求，若為是，執(zhí)行步驟5)，若為否，則進(jìn)行演化過(guò)程，返回步驟2)；5)得到最優(yōu)個(gè)體，進(jìn)行測(cè)試BP網(wǎng)絡(luò)；6)進(jìn)行遺傳算法優(yōu)化BP網(wǎng)絡(luò)的分類(lèi)，并得出分類(lèi)結(jié)果；7)進(jìn)行變化監(jiān)測(cè)，并得出變化監(jiān)測(cè)結(jié)果。
2.根據(jù)權(quán)利要求1所述的一種遺傳算法改進(jìn)神經(jīng)網(wǎng)絡(luò)遙感分類(lèi)處理方法，其特征在于，所述的步驟1)中的將染色體進(jìn)行編碼步驟如下11)對(duì)象的定義，染色體編碼包括八個(gè)部分，具體定義如下單元1 一個(gè)十進(jìn)制數(shù)，隱含層數(shù)的浮點(diǎn)數(shù)編碼q'，對(duì)q’四舍五入確定隱含層數(shù)q ；單元2:—個(gè)或多個(gè)十進(jìn)制數(shù)，隱含層神經(jīng)元數(shù)的浮點(diǎn)數(shù)編碼pk'，對(duì)pk'四舍五入確定隱含層神經(jīng)元數(shù)pk，其中k= 1，2，-,q；單元3 :n個(gè)輸入層神經(jīng)元的閾值，從al到an ；單元4 :m個(gè)輸出層神經(jīng)元的閾值，從bl到bm;單元5:第k個(gè)隱含層的第i個(gè)神經(jīng)元的閾值(cki)，其中i = 1，2，…，pk, k = 1, 2，···, q ；單元6 輸入層中的η個(gè)神經(jīng)元與第1個(gè)隱含層中的jl個(gè)神經(jīng)元間的連接權(quán)值(從dV1 至)，其中 jl = 1，2，-,pl ；單元7 最后一個(gè)隱含層中的jq個(gè)神經(jīng)元與輸出層中的m個(gè)神經(jīng)元間的連接權(quán)值(從 e▽到eV )，其中 Jq = 1,2,…，pq ；單元8:第k'個(gè)隱含層的第jk'個(gè)神經(jīng)元與第(k' +1)個(gè)隱含層的第jk' +1個(gè)神經(jīng)元間的連接權(quán)值(ghW )，其中jk' = 1,2, -,pk' , k' = 1,2,…，q-1;12)采用變長(zhǎng)實(shí)數(shù)編碼方式，編碼過(guò)程如下(1)p'在隨機(jī)初始化或進(jìn)化過(guò)程中都為實(shí)數(shù)，采用P= Int (ρ‘ +0. 5)的對(duì)ρ’四舍五入原則確定隱含層神經(jīng)元數(shù)P;(2)輸入層神經(jīng)元的閾值；(3)然后是輸入層神經(jīng)元到第i個(gè)隱含層神經(jīng)元的連接權(quán)值；(4)第i個(gè)隱含層神經(jīng)元的閾值；(5)第i個(gè)隱含層神經(jīng)元到輸出層神經(jīng)元的連接權(quán)值，其中i按隱含層神經(jīng)元的順序從 1至P ；(6)輸出層神經(jīng)元的閾值。
3.根據(jù)權(quán)利要求1所述的一種遺傳算法改進(jìn)神經(jīng)網(wǎng)絡(luò)遙感分類(lèi)處理方法，其特征在于，所述的步驟3)中的適應(yīng)度函數(shù)為f(x) = 1/E，其中E為網(wǎng)絡(luò)的輸出誤差。
4.根據(jù)權(quán)利要求1所述的一種遺傳算法改進(jìn)神經(jīng)網(wǎng)絡(luò)遙感分類(lèi)處理方法，其特征在于，所述的步驟4)中的演化過(guò)程包括以下步驟41)選擇，采用輪盤(pán)賭選擇法和最優(yōu)個(gè)體保留原則進(jìn)行個(gè)體的選擇，首先保留父代種群中適應(yīng)度最大和次大的個(gè)體，直接進(jìn)入交叉操作中，再利用輪盤(pán)賭法對(duì)其它個(gè)體進(jìn)行選擇， 直到產(chǎn)生N個(gè)個(gè)體；42)重組，選擇Pc交叉概率，根據(jù)Pc確定是否要交叉后，依據(jù)公式(1)、(2)進(jìn)行交叉CG1 = gamaXPGi+d-gama) XPG2 (1)CG2 = gamaXPG2+(l-gama) XPG1 (2)式中CGp CG2, PG1^PG2, gama分別為第一個(gè)子個(gè)體、第二個(gè)子個(gè)體、第一個(gè)父?jìng)€(gè)體、第二個(gè)父?jìng)€(gè)體和交叉度，交叉度gama的值在
區(qū)間內(nèi)，并且依據(jù)gamat+1 = a^gamat, t表示進(jìn)化次數(shù)，交叉前，兩個(gè)父?jìng)€(gè)體中某個(gè)體相對(duì)另一個(gè)體編碼較短時(shí)，隨機(jī)生成實(shí)數(shù)補(bǔ)齊；43)變異，選擇Pm為變異概率，根據(jù)Pm確定是否要變異，依據(jù)公式(3)進(jìn)行變異CG2 = alpha X CG1(3)式中CGp CG2, alpha分別為變異前的子個(gè)體、變異后的子個(gè)體和變異度，alpha的取值依據(jù)alphat+1 = b*alphat，依據(jù)自適應(yīng)遺傳算法方法計(jì)算調(diào)整交叉概率和變異概率，運(yùn)用下列公式(4)、(5)計(jì)算調(diào)整交叉概率和變異概率，
全文摘要
本發(fā)明涉及一種遺傳算法改進(jìn)神經(jīng)網(wǎng)絡(luò)遙感分類(lèi)處理方法，包括以下步驟1)將每種網(wǎng)絡(luò)結(jié)構(gòu)看作為種群的一個(gè)個(gè)體，將個(gè)體中的染色體進(jìn)行編碼，并進(jìn)行種群初始化；2)對(duì)染色體進(jìn)行解碼；3)根據(jù)預(yù)定的目標(biāo)適應(yīng)度函數(shù)來(lái)計(jì)算各個(gè)染色體的適應(yīng)度；4)判斷適應(yīng)度最高的個(gè)體是否符合BP網(wǎng)絡(luò)的要求，若為是，執(zhí)行步驟5)，若為否，則進(jìn)行演化過(guò)程，返回步驟2)；5)得到最優(yōu)個(gè)體，進(jìn)行測(cè)試BP網(wǎng)絡(luò)；6)進(jìn)行遺傳算法優(yōu)化BP網(wǎng)絡(luò)的分類(lèi)，并得出分類(lèi)結(jié)果；7)進(jìn)行變化監(jiān)測(cè)，并得出變化監(jiān)測(cè)結(jié)果。與現(xiàn)有技術(shù)相比，本發(fā)明具有隱含層的神經(jīng)元數(shù)目使用實(shí)數(shù)編碼，遺傳算法進(jìn)化過(guò)程中選擇、交叉、變異方式得到改進(jìn)，能夠快速搜索最優(yōu)網(wǎng)絡(luò)等優(yōu)點(diǎn)。
文檔編號(hào)G06F17/30GK102222267SQ20101014673
公開(kāi)日2011年10月19日 申請(qǐng)日期2010年4月14日 優(yōu)先權(quán)日2010年4月14日
發(fā)明者張學(xué), 童小華 申請(qǐng)人:同濟(jì)大學(xué)