摘要:利用粒子群算法优化小波网络已被证明是一种可行的有效的方法,但是,当粒子数量众多,或者网络结构复杂的时候,算法的运算量会非常庞大,从而限制了基于粒子群的小波网络在复杂情况下的应用.本文提出一种基于改进粒子群优化算法的小波网络学习算法,通过设定权值和网络因子两个粒子群,分别优化网络参数,并应用同一个粒子适应度来保证两个粒子群的一致性.在个人信用评估问题中,选取影响信用评价的关键因素进行量化,量化值作为小波网络的输入,应用改进粒子群算法学习成功的小波网络可以得到个人信用的评价结果.基于改进粒子群优化算法的小波神经网络训练方法不仅能够减少迭代次数,而且也能够提高收敛精度,适用于网络结构复杂,算法的运算量庞大的情况.优化后的小波神经网络具有很好的分类能力,能有效地用于分类问题.