基于DTGA-BP组合模型的区域创新能力评价

• 作者: 党伟超 刘春霞 李晨阳 潘理虎 白尚旺
• 来源期刊: 计算机系统应用
• 关键词: 区域创新 BP神经网络 决策树 遗传算法 分类精度
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 152-158
• 页数: 7页
• 字数: 4687字
• 语种: 中文

摘要

以实现科学、准确、可操作的区域自主创新能力评估分类为目标,提出一种基于决策树遗传算法和BP神经网络的组合模型(Decision Tree Genetic Algorithm and Back Propagation,DTGA-BP).利用决策树对评估指标进行特征选择并通过优化隐藏层神经元数目对神经网络的结构进行改进;采用非线性的交叉变异概率值的遗传操作结合一种新的选择算子方式优化BP神经网络的初始权重与阈值.实验结果表明,组合模型的评估结果相比传统的主观赋值法更为科学准确;较单一BP神经网络模型和GA-BP模型在分类精度方面分别提高了41％和20％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘理虎	太原科技大学计算机科学与技术学院	95	287	10.0	12.0
3	刘春霞	太原科技大学计算机科学与技术学院	23	30	4.0	4.0
4	白尚旺	太原科技大学计算机科学与技术学院	76	280	10.0	13.0
5	党伟超	太原科技大学计算机科学与技术学院	40	171	7.0	12.0
8	李晨阳	太原科技大学计算机科学与技术学院	1	0	0.0	0.0