基于蚁群算法的选择性神经网络集成方法

被引：8

作者：

赵胜颖

高广春

机构：

[1] 浙江大学城市学院信息与电气工程学院

来源：

浙江大学学报(工学版) | 2009年 / 43卷 / 09期

基金：

浙江省自然科学基金;

关键词：

蚁群优化算法; 神经网络; 选择性集成;

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：

为选择差异度较大、精确度较高的神经网络个体组建神经网络集成,提高神经网络集成的性能,提出一种新的选择性神经网络集成构造方法.该算法采用蚁群优化算法在独立训练的神经网络个体中选择部分组建网络集成,在蚁群优化过程中神经网络个体被选择的概率由信息素和启发因子决定,信息素反映当前神经网络个体的精确度,启发因子反映神经网络个体间的差异度,能有效提高系统的搜索效率和预测精度.实验结果表明,该算法构造的神经网络集成使用了较少的网络个体,而预测误差均好于传统的Bagging和Boosting算法.

引用

页码：1568 / 1573

页数：6

共 7 条

[1] Clustering-based selective neural network ensemble [J].