基于改进麻雀算法优化深度极限学习机的缺失数据预测

摘要：

数据缺失降低了数据的可利用性,因此如何预测缺失数据变得尤为重要.针对缺失数据问题,提出一种改进麻雀搜索算法优化深度极限学习机的预测算法.首先,将Singer混沌映射、柯西-高斯变异策略和余弦权重因子与麻雀搜索算法结合;其次利用改进后的麻雀搜索算法优化深度极限学习机中的各极限学习机中自动编码器的输入权重与偏置,进行缺失数据预测.实验表明,在小数据量,低缺失率下时,改进麻雀搜索算法优化深度极限学习机相较于麻雀搜索算法优化深度极限学习机、粒子群优化深度极限学习机、深度极限学习机,其稳定性强,预测精度最高;在均方根误差、平均绝对误差等评价指标上改进麻雀搜索算法优化深度极限学习机优于对比算法.

关键词：缺失数据预测、深度极限学习机、麻雀搜索算法、混沌映射、变异策略

所属期刊栏目：45

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点研发计划;北京市科技创新服务能力建设-基本科研业务费市级科研类资助

在线出版日期：2022-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：63-67