摘要：针对BP神经网络学习效率低、容易陷入局部最优等缺点，提出了一种基于主成分分析的混合蛙跳算法（Shuffle Frog Leaping Algorithm）优化的BP神经网络模型。使用主成分分析法对高维数据进行特征提取，作为网络输入；采用混合蛙跳算法优化 BP 神经网络的权系数和阈值，构建基于混合蛙跳算法神经网络的帕金森病分类模型。最后，以UCI中Parkinson数据为例，实验表明，新模型优于传统的BP网络。 全文查看链接 　　3）确定主成分的个数全文查看链接 　　3）重复计算（3）（4）（5）直至满足迭代条件为止。 全文查看链接 　　为了更好地对新模型与传统BP模型进行比较，该文多做了以下两个实验，对未经过主成分分析的数据，建立三层BP神经网络模型与SFLA-BP模型，实验结果仍然以随机某10次结果的平均值，其中得到某两次实验的均方误差图见图5，6，结果见表3，4。 全文查看链接