论文部分内容阅读
由于深度信念网络（DBN）结构难以确定，提出运用狼群算法确定DBN每层神经元个数，K—means聚类准确性确定是否增加隐含层的方法确定DBN结构．根据狼群算法以最小化所有样本重构误差的平方和为目标函数来确定DBN每层神经元的个数，以确定DBN的初步结构．为了检验DBN结构的有效性，利用DBN提取的数据特征进行聚类测试，进一步根据聚类结果来修正DBN，以获取DBN的最佳结构．实验中选取Iris数据集进行聚类测试，其结果表明，通过所提出的方法获取的DBN有效结构来处理原始数据，能够提高聚类的准确性．