基于动态基函数的强回归小波神经网络
针对小波神经网络(wavelet neural network,WNN)难以选取合适小波基函数和确定隐含层节点数等问题,提出使用集成学习改进小波神经网络的方法,提高小波神经网络容错能力和自学习能力.本方法首先通过降维、归一化预处理样本数据并确定测试数据分布权值;然后通过随机选取不同的小波基函数构造出异构小波神经网络序列并反复训练样本数据;最后使用AdaBoost算法集成学习生成强回归小波预测器.对UCI数据库中数据集进行仿真验证,实验结果表明:本方法比传统小波神经网络预测平均误差减少30%以上,有效地提高了小波神经网络的预测精度和泛化能力.
小波神经网络、强预测器、集成学习、AdaBoost算法
40
TP183(自动化基础理论)
国家星火计划资助项目2011GA690190;淮安市科技支撑计划资助项目HASZ2013008
2014-10-17(万方平台首次上网日期,不代表论文的发表时间)
共7页
1084-1090