广义回归神经网络的改进及在交通预测中的应用

• 作者: 伊良忠 章超 裴峥
• 来源期刊: 山东大学学报（工学版）
• 学科: 工学
• 关键词: 广义回归神经网络 k近邻法 平滑因子
• 年，卷（期）: 2013,（1）
• 所属期刊栏目: 机器学习与数据挖掘
• 页码范围: 9-14
• 分类号: TP301
• 语种: 中文
• DOI: 10.6040/j.issn.1672-3961.3.2012.047

摘要

本研究基于k近邻的方法通过网络性能评价指标来对平滑因子进行选择确定.通过k近邻法找出使得网络性能评价最好的平滑因子,不再仅依赖于一个均方误差数值,而根据均方误差组的排序来选择最优的平滑因子.该算法能够在保持较好的预测效果的前提下解决因数据波动性大而最终得不到最优平滑因子的难题.通过预测交通数据的实验验证了算法的有效性.结果表明通过k近邻方法得到的最优平滑因子会使网络预测误差降至最小.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	裴峥	西华大学数学与计算机学院	39	259	10.0	14.0
2	伊良忠	四川警察学院计算机科学与技术系	3	45	2.0	3.0
3	章超	四川警察学院道路交通管理系	6	42	3.0	6.0