基于GA、BP神经网络和多元回归的集成算法研究

被引：5

作者：

陈诚

廖桂平

李锦卫

史晓慧

机构：

[1] 湖南农业大学农业信息研究所

来源：

计算技术与自动化 | 2011年 / 30卷 / 02期

关键词：

BP神经网络; 多元回归; 遗传算法; 算法集成;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

遗传算法、BP神经网络和多元回归是目前应用比较广泛的数据挖掘算法,它们各俱优点,同时也存在诸多无法避免的缺陷。该文在前三者的基础上,提出一种BP网络与多元回归模型融合的杂合BP网络,并采用遗传算法优化杂合BP网络的初始权值,有效地避免几种方法在单独使用时存在的缺陷。验证实验结果表明:新方法所建立的模型在收敛速度、精度和泛化能力上都明显优于GA、BP神经网络和多元回归,并且较当今比较热门的ELM、SVRKM和SVM也有较显著的改进。

引用

页码：89 / 95

页数：7

共 4 条

[1] GEOMETRIC CONVERGENCE OF GENETIC ALGORITHMS UNDER TEMPERED RANDOM RESTART [J].

Mendivil, F. ;

Shonkwiler, R. ;

Spruill, C. .

JOURNAL OF APPLIED PROBABILITY, 2009, 46 (04) :960-974

[2]

Simple Multiple Regression Model for long range forecasting of Indian Summer Monsoon Rainfall[J] . Y. Sadhuram,T. V. Ramana Murthy.Meteorology and Atmospheric Physics . 2008 (1)

[3] On initial populations of a genetic algorithm for continuous optimization problems [J].

Maaranen, Heikki ;

Miettinen, Kaisa ;

Penttinen, Antti .

JOURNAL OF GLOBAL OPTIMIZATION, 2007, 37 (03) :405-436

[4]

The Evolutional PredictionModel of Carbon Emissions in China Based on BP NeuralNetwork .2 Lixin Tian,Linlin Gao,Peilin Xu. International Journal of Nonlinear Science . 2010

← 1 →