云南地理环境研究
雲南地理環境研究
운남지리배경연구
YUNNAN GEOGRAPHIC ENVIRONMENT RESEARCH
2006年
1期
97-100
,共4页
李云辉%梁永宁%张红珍%余菡
李雲輝%樑永寧%張紅珍%餘菡
리운휘%량영저%장홍진%여함
环境质量评价%属性归约%遗传神经网络%混合算法%预测精度
環境質量評價%屬性歸約%遺傳神經網絡%混閤算法%預測精度
배경질량평개%속성귀약%유전신경망락%혼합산법%예측정도
基于粗集、遗传神经网络的环境质量评价方法利用粗集对属性的归约功能将数据库中的数据进行归约,并将归约后的数据作为训练数据提供给BP神经网络;再用遗传算法和BP算法相结合的混合算法来训练网络预测模型的结构(在得到最优网络结构的同时也得到网络的最优权值和阈值).通过粗糙集归约,提高了训练数据表达的清晰度,也减小了BP神经网络的规模,同时利用BP神经网络又克服了粗糙集对噪声数据敏感的影响.这一算法克服了BP算法收敛速度慢、易陷入局部极小等缺陷,实例证明提高了预测精度.
基于粗集、遺傳神經網絡的環境質量評價方法利用粗集對屬性的歸約功能將數據庫中的數據進行歸約,併將歸約後的數據作為訓練數據提供給BP神經網絡;再用遺傳算法和BP算法相結閤的混閤算法來訓練網絡預測模型的結構(在得到最優網絡結構的同時也得到網絡的最優權值和閾值).通過粗糙集歸約,提高瞭訓練數據錶達的清晰度,也減小瞭BP神經網絡的規模,同時利用BP神經網絡又剋服瞭粗糙集對譟聲數據敏感的影響.這一算法剋服瞭BP算法收斂速度慢、易陷入跼部極小等缺陷,實例證明提高瞭預測精度.
기우조집、유전신경망락적배경질량평개방법이용조집대속성적귀약공능장수거고중적수거진행귀약,병장귀약후적수거작위훈련수거제공급BP신경망락;재용유전산법화BP산법상결합적혼합산법래훈련망락예측모형적결구(재득도최우망락결구적동시야득도망락적최우권치화역치).통과조조집귀약,제고료훈련수거표체적청석도,야감소료BP신경망락적규모,동시이용BP신경망락우극복료조조집대조성수거민감적영향.저일산법극복료BP산법수렴속도만、역함입국부겁소등결함,실예증명제고료예측정도.
