进化RBF神经网络分类器研究
【摘要】:本文致力于基于进化的RBF神经网络分类技术研究,重点解决该技术在通信信号调制识别和信道均衡两方面的应用问题,主要包括基于遗传算法的分类特征选择、基于遗传算法的资源分配网络(Resource-Allocating network,RAN)初始化、基于进化RBF神经网络的调制分类器设计与实现,以及基于进化RBF神经网络的信道均衡器设计与实现等内容。本论文工作是作者所在实验室承担的军队某大型工程研究项目的一部分。
本文的主要工作成果和创新点概括如下。
1.深入研究了作为进化理论重要内容之一的遗传算法在通信调制信号特征选择中的应用。提出了两种基于家庭竞争思想的改进遗传算法,一是基于群体中值信息,自适应调整交叉概率和变异概率。二是基于进化种群不可行解和个体违约程度信息,自适应调整惩罚系数。两种算法有效协调了种群多样性和选择压力之间的矛盾,都能够快速收敛到全局最优解,以最优特征子集作为RBF神经网络调制分类器的输入,减少了冗余特征对分类正确率和分类器结构复杂度的影响。
2.基于遗传算法,提出了两种改进的资源分配网络(Resource-Allocating network,RAN)初始化算法,以实现对RBF神经网络的输入数据预聚类,以聚类中心作为RAN算法的起始中心。一种改进算法是基于流水线遗传算法,加快了RAN算法收敛速度;另一种改进算法是以双倍体方式对4QAM信号编码,对复数域的RAN算法初始化,提高了复数RBF神经网络均衡器的性能。两种算法都降低了RAN算法对异常数据和噪声的敏感度,不仅提高了RBF神经网络调制分类器的分类准确率,而且提高了复数RBF神经网络均衡器处理恶劣信道的能力。
3.提出了一种基于改进适应度函数的递阶遗传算法RBF调制分类器算法。常规的单目标加权求和函数作为算法适应度,其实现前提是需要给多个参数合理赋值,由于适应度函数综合考虑了网络结构复杂度和网络精确度,因此,微小的数值变化都会影响分类器的结构规模及分类性能。新的适应度函数只有一个待定参数,可根据网络应用需要较精确地设定。简化了设计进化算法的难度和复杂度,提高了RBF调制分类器的分类准确率。
4.提出了一种基于改进递阶遗传算法的RBF信道均衡器算法。这类算法通常将均衡转化为分类识别问题。算法对递阶遗传算法适应度函数待定参数的赋值提出了一种新方法,通过确定信道传输函数零点与单位圆的最小距离,给出了待定参数的取值范围,减少了设计算法的工作量,避免了经验因素对算法的影响,拓展了RBF均衡器的应用范围。提出了一种基于自适应小生境的递阶遗传算法。以控制基因的最小汉明距离作为小生境区域,可自适应地动态控制群体搜索的范围,有效避免了固定小生境区域带来的计算复杂度高、求解质量低的问题,算法单次运行即可提供多个较优解,在聚类有效性判决基础上,可从中选择最理想的解作为RBF神经网络均衡器结构。
5.提出一种改进选择策略的多目标进化方法,并将这种算法应用于RBF均衡器设计。该算法进化过程中只保留部分精英,并且随着进化深入而逐渐减少保存的数量,有效抑制了进化群体局部最优解的快速聚集,解决了改进非支配排序遗传算法(NSGA-II)全部保留精英造成的容易早熟收敛问题。进化得到的Pareto最优解集,为RBF均衡器的设计提供了更多直观而又可靠的选择。
论文各章节中分别给出了所提出算法的翔实仿真实验结果,证实了算法的正确性、可行性和相应的性能特点。
【学位授予单位】:解放军信息工程大学
【学位级别】:博士
【学位授予年份】:2009
【分类号】:TP183
|
|
|
|
1 |
郏宣耀;王芳;;一种改进的小生境遗传算法[J];重庆邮电学院学报(自然科学版);2005年06期 |
2 |
蒋洪睿,莫玮,李丽;递归神经网络自适应均衡抗突发干扰研究[J];电讯技术;2000年01期 |
3 |
王凤琴,高颖,赵军;基于遗传算法的神经网络优化[J];燕山大学学报;2001年03期 |
4 |
李密青;郑金华;谢炯亮;杨平;李晶;;一种MOEA分布度的逐步评价方法[J];电子学报;2008年10期 |
5 |
吕铁军,王河,肖先赐;新特征选择方法下的信号调制识别[J];电子与信息学报;2002年05期 |
6 |
侯中喜;陈小庆;郭良民;;基于排挤机制改进的多目标进化算法[J];国防科技大学学报;2006年04期 |
7 |
黄春琳,邱玲,沈振康;数字调制信号的神经网络识别方法[J];国防科技大学学报;1999年02期 |
8 |
宫新保,周希朗,易辉跃;基于新型RBF网络的模拟调制信号识别[J];红外与激光工程;2004年01期 |
9 |
孙雷,王新;一种基于遗传操作和类内类间距离判据理论的特征选择方法[J];计算机工程与应用;2004年21期 |
10 |
孟祥武;程虎;;进化神经网络的编码表示机制研究[J];计算机科学;1998年01期 |
|
|
|
|
|
1 |
朱明星,张德龙;RBF网络基函数中心选取算法的研究[J];安徽大学学报(自然科学版);2000年01期 |
2 |
周伟良,何鲲,曹先彬,程慧霞;基于一种免疫遗传算法的BP网络设计[J];安徽大学学报(自然科学版);1999年01期 |
3 |
阮晓钢;自组织径向基网络及其混合学习算法[J];北京工业大学学报;1999年02期 |
4 |
段慧达,郑德玲,刘聪;基于对角递归神经网络的建模及应用[J];北京科技大学学报;2004年01期 |
5 |
黄聪明,陈湘秀;小生境遗传算法的改进[J];北京理工大学学报;2004年08期 |
6 |
梁启联,周正;基于多层神经网络的盲均衡算法[J];北京邮电大学学报;1996年03期 |
7 |
梁启联,周正,刘泽民;基于递归神经网络的盲均衡算法的改进[J];北京邮电大学学报;1997年04期 |
8 |
孙延风,梁艳春,孟庆福;改进的神经网络最近邻聚类学习算法及其应用[J];吉林大学学报(信息科学版);2002年01期 |
9 |
张纯禹;现代优化计算方法在材料最优化设计中的应用[J];材料科学与工程学报;2003年01期 |
10 |
蒋洪睿,莫玮,李丽;递归神经网络自适应均衡抗突发干扰研究[J];电讯技术;2000年01期 |
|