基于统计学习理论优化感知器的遗传算法

摘要

本文提出一种基于统计学习理论优化感知器的遗传方法.该方法将遗传算法和神经网络相结合,通过统计学习理论指导遗传算法优化分类器的过程,避免了传统的感知器分类的偏向性、连接权的局部收敛性、误识率高等弱点;借助于遗传算法全局寻优的特点,使改进后的算法,具有自进化、自适应能力,以及很好的数据推广性能和抗干扰性,提高了神经网络的整体性能.与标准的SVM算法相比,具有更广阔的应用范围.