《表1 K-means算法与BP算法胜率对比》
首先,在不同训练样本数下,比较了本文设计的K-means网络方法与BP网络的对战胜率。所有测试在10 000种状态下进行,表1总结了测试结果。用于训练K-means均值神经网络的状态数如第1列数字所示,用于训练BP神经网络的状态数如第1行数字所示,表格内的数字为K-means网络算法对战BP网络算法的胜率。通过表1可以看出,在相同的训练情景数下,本文提出的K-means改进型网络算法的胜率保持在50%以上。当样本数为10000时,由于2种方法都收敛到实际的获胜率,因此获胜率接近50%。由此可见,本文提出的算法在对战传统BP网络算法中具有优势,尤其在训练样本较少的情况下,本文胜率较BP算法高出18.2%(1 000样本数),具有较好的收敛效果。
图表编号 | XD00175290300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.25 |
作者 | 周珂、王祺 |
绘制单位 | 北京科技大学高等工程师学院、北京航空航天大学 |
更多格式 | 高清、无水印(增值服务) |