一种基于网格服务的分布式GEP-BP分类算法

为了克服单一BP算法对分布式数据进行分类时具有训练速度慢、易陷入局部最优等缺陷,提出了基于GEP-BP的混合分类算法HCA-GB,同时结合网格服务的思想,提出了基于网格服务的分布式GEP-BP分类算法CDGB-GS,且在HCA-GB算法中,利用自适应系数的方法动态调整GEP种群的大小,从而有效地提高了HCA-GB的全局收敛性.比较仿真实验表明,通过动态调整自适应系数,HCA-GB的平均收敛次数提高了约2倍;对于大数据集而言,在实验室局域网环境下,CDGB-GS算法的平均耗时比传统算法要小,与传统算法相比,CDGB-GS算法的分类精度最大提高了约32.06%.