基于蚁群算法的选择性神经网络集成方法

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.

关键词：蚁群优化算法、神经网络、选择性集成

所属期刊栏目：43

分类号：TP183(自动化基础理论)

资助基金：浙江省自然科学基金Y107435;杭州市市属高校重点实验室科技创新资助项目20080431T08

在线出版日期：2009-11-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1568-1573