交叉验证的BP神经网络恒星光谱分类

发布时间：2025-01-10 23:07

　　 LAMOST作为国家重大科学工程项目,目前在世界上对光谱的观测、获取率最高,为天文学的研究与发展提供大量的数据和信息资源.根据LAMOST发布的恒星光谱数据文件,从中提取出关于恒星光谱波长的数据信息,对数据进行噪声剔除、数据降维、数据规范化、数据降维处理.利用BP神经网络算法对数据进行分类处理,根据分类结果正确率来判断BP神经网络模型的优劣.但是BP神经网络对测试集数据的测试效果并不代表对其他数据具有同样的测试效果而且易产生过拟合,所以采用交叉验证与BP神经网络相结合的方法, BP神经网络算法可对多组不同的数据进行测试,得到多组测试结果并求得平均值,可得到BP神经网络模型相对稳定的测试结果并降低结果的随机性.

【文章页数】：8 页

【部分图文】：

图3-510折交叉验证过程示意图

-31-低时为73.25%，较高时为78.3%；对于G类型，输入层神经元22个，输出层神经元5个，隐含层神经元取值范围为[6,15)，分类预测结果较低时为70.2%，较高时为74.8%；对于K类型，输入层神经元22个，输出层4个，隐含层神经元取值范围[6,15)，分类预测结果较低....

本文编号：4025566