适于水质评价的AdaBoost-NN模型研究

被引:2
作者
孙晓峰
何争光
高霞
机构
[1] 郑州大学环境与水利工程学院
关键词
水质评价; BP网络; AdaBoost; 泛化;
D O I
10.19672/j.cnki.1003-6504.2007.11.023
中图分类号
X824 [水质评价];
学科分类号
摘要
AdaBoost即自适应Boosting算法,它可以提高任意给定弱分类器的分类精度。文章将AdaBoost算法与神经网络结合,提出了AdaBoost-NN水质评价模型。实例样本水质评价结果表明:与传统的水质评价方法相比,AdaBoost-NN水质评价模型的准确度更高,结果更加客观、合理。
引用
收藏
页码:66 / 69+119 +119
页数:5
相关论文
共 10 条
[2]   人工神经网络在水环境质量评价和预测中的应用 [J].
杨国栋 ;
王肖娟 ;
尹向辉 .
干旱区资源与环境, 2004, (06) :10-14
[3]   用主成分分析法研究评价地下水质量——以邯郸市为例 [J].
王嵩峰 ;
周培疆 .
环境科学与技术, 2003, (S2) :55-57+105
[4]   地表水环境质量灰关联评价方法探讨 [J].
肖晓柏 ;
许学工 .
环境科学与技术, 2003, (03) :34-36+65
[5]   径向基函数神经网络在水质评价中的应用 [J].
董曼玲 ;
黄胜伟 .
环境科学与技术, 2003, (01) :23-25+64
[6]   基于B-P网络的水质营养状态评价模型及其效果检验 [J].
李祚泳 .
环境科学学报, 1995, (02) :186-191
[7]  
环境质量评价原理与方法[M]. 化学工业出版社 , 李祚泳等著, 2004
[8]  
基于MATLAB的系统分析与设计[M]. 西安电子科技大学出版社 , 楼顺天, 1998
[9]   BOOSTING A WEAK LEARNING ALGORITHM BY MAJORITY [J].
FREUND, Y .
INFORMATION AND COMPUTATION, 1995, 121 (02) :256-285
[10]   THE STRENGTH OF WEAK LEARNABILITY [J].
SCHAPIRE, RE .
MACHINE LEARNING, 1990, 5 (02) :197-227