一种基于改进鲸鱼算法的RBF神经网络优化方法技术

本发明专利技术属于神经网络优化的技术领域，具体地说，是一种基于改进鲸鱼算法的RBF神经网络优化方法，将改进的鲸鱼算法用于寻找RBF神经网络的最优初始参数，接着通过训练网络建立起海杂波的预测模型，对临近单元的海杂波进行预测和抑制，在鲸鱼算法迭代过程中动态的计算每一代种群的适应度均值，设置下一代种群的适应度阈值，将整个种群分为优质鲸鱼和非优质鲸鱼两个子种群，以不同的步长向全局最优靠近；另外，在执行收缩更新时，引入物质交换的思想，让新产生的粒子获得全局认知，能够稳定的向全局最优的方向搜索，改进的鲸鱼算法在迭代过程中兼具全局和局部的搜索能力，提高了收敛速度和精度。

【技术实现步骤摘要】
一种基于改进鲸鱼算法的RBF神经网络优化方法
本专利技术属于神经网络优化
，具体地说，是一种基于改进鲸鱼算法的RBF神经网络优化方法。
技术介绍
高频雷达发射高频电磁波，短波能够沿着海洋表面绕射传播，实现对海洋的全天候、超视距监测。目前，高频雷达已经被广泛应用于海上预警、海上资源探测以及海上救援等诸多领域。欧盟海上交通监测项目RANGER在高频雷达体制方面的创新性研究，使得高频雷达在越来越多的领域实现了越来越好的应用。然而，高频雷达在对海上目标进行探测的时候，回波当中往往会掺杂着大量的干扰回波，其中主要干扰成分即为海杂波，海杂波在多普勒普当中呈现出较高的幅度特征，给目标的检测带来很大的干扰，对高频雷达回波当中的海杂波实现精准抑制成了精确检测海上目标的关键。追溯学者们对海杂波的研究历程，最早是在海杂波统计特性模型方面的研究。学者们试图用一些标准的幅度模型来描述海杂波，但是没有任何一种模型可以精确的模拟海杂波的幅度特性，更重要的是，没有任何一种模型能够适用于各种海况下的海杂波。当学者们从其他角度探究海杂波特性时，发现海杂波具有混沌的诸本文档来自技高网...

【技术保护点】
1.一种基于改进鲸鱼算法的RBF神经网络优化方法，其特征在于，该方法包含下列步骤：/n步骤1：确定RBF神经网络的结构，由RBF神经网络的数据中心、数据宽度以及权重三类初始参数确定鲸鱼个体的维数，并将参数编码生成鲸鱼个体的位置矢量；/n步骤2：确定鲸鱼的种群规模，采用反向学习机制初始化鲸鱼种群的位置；/n步骤3：归一化RBF神经网络的训练数据和测试数据；/n步骤4：取出一部分训练数据输入网络，设置适应度函数计算当下每一条鲸鱼的适应度值；/n步骤5：根据上一代适应度值设置动态阈值，将鲸鱼种群分为优质鲸鱼和非优质鲸鱼两个子种群；/n步骤6：产生一个[0，1]之间的随机数ρ，若ρ＜0.5，则执行鲸鱼...

【技术特征摘要】
1.一种基于改进鲸鱼算法的RBF神经网络优化方法，其特征在于，该方法包含下列步骤：
步骤1：确定RBF神经网络的结构，由RBF神经网络的数据中心、数据宽度以及权重三类初始参数确定鲸鱼个体的维数，并将参数编码生成鲸鱼个体的位置矢量；
步骤2：确定鲸鱼的种群规模，采用反向学习机制初始化鲸鱼种群的位置；
步骤3：归一化RBF神经网络的训练数据和测试数据；
步骤4：取出一部分训练数据输入网络，设置适应度函数计算当下每一条鲸鱼的适应度值；
步骤5：根据上一代适应度值设置动态阈值，将鲸鱼种群分为优质鲸鱼和非优质鲸鱼两个子种群；
步骤6：产生一个[0，1]之间的随机数ρ，若ρ＜0.5，则执行鲸鱼的螺旋更新策略，若ρ≥0.5，则执行鲸鱼的收缩更新策略；
步骤7：设置最大迭代步数，迭代次数达到最大值后，算法循环结束，保存适应度值最小的鲸鱼对应位置适量，将位置矢量解码生成RBF神经网络的最优初始化参数，未达到终止条件，则返回步骤4。


2.根据权利要求1所述的基于改进鲸鱼算法的RBF神经网络优化方法，其特征在于，步骤1所述鲸鱼个体的维数N由数据中心、数据宽度以及网络权重的三类参数组成，网络输入个数为Xn，网络隐层数为C，即有：
N＝2·C+Xn·C(1)
编码操作即将三类网络参数按次序排列成一个一维位置矢量。


3.根据权利要求1所述的基于改进鲸鱼算法的RBF神经网络优化方法，其特征在于，步骤2中鲸鱼的种群规模M设置在[25，30]之间，先随机初始化M/2个鲸鱼个体，对于剩下的第i个鲸鱼的第k维位置Pi，k(其中采用反向学习机制生成：
Pi，k＝a+b-pj，k(2)
其中a和b分别是随机生成那部分粒子的上下界，而pj，k表示随机生成的第j个粒子的第k维位置数据。


4.根据权利要求1所述的基于改进鲸鱼算法的RBF神经网络优化方法，其特征在于，步骤4中适应度函数的表达式如下：



式中n表示训练样本的个数，L表示网络的输...

【专利技术属性】
技术研发人员：尚尚，何康宁，王召斌，杨童，刘明，
申请(专利权)人：江苏科技大学，
类型：发明
国别省市：江苏;32