基于预测模型的BP_Adaboost算法改进

• 作者: 陈晓辉 韩韬
• 来源期刊: 桂林理工大学学报
• 学科: 工学
• 关键词: BP_Adaboost算法 遗传算法 强预测模型 BP神经网络
• 年，卷（期）: 2014,（3）
• 所属期刊栏目: 信息科学与自动控制
• 页码范围: 589-594
• 页数: 6页
• 分类号: TP183
• 字数: 4311字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-9057.2014.03.031

摘要

针对BP_Adaboost算法预测精度不高的问题，对算法作了改进：先用遗传算法对每个BP神经网络弱预测模型进行优化；然后把优化后的BP神经网络模型看作为新的弱预测器；再通过BP_Adaboost算法，用多个被遗传算法优化后的BP神经网络弱预测器组成强预测器模型；最后加权整合优化后用2000组随机数据验证改进后算法的预测精度，用Matlab程序仿真实现改进后的BP_Adaboost算法，并与改进前的BP_Adaboost算法作比较。程序运行结果表明，改进后的BP_Adaboost算法预测精度有了明显提高。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈晓辉	桂林理工大学信息科学与工程学院	8	26	3.0	4.0
2	韩韬	桂林理工大学信息科学与工程学院	1	5	1.0	1.0