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

来源：

环境科学与技术 | 2007年 / 11期

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

页码：66 / 69+119 +119

页数：5

共 10 条

[1] 水质评价理论模式研究进展及趋势分析 [J].

李如忠 .

合肥工业大学学报(自然科学版), 2005, (04) :369-373

[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

← 1 →