首页> 中文期刊> 《华北理工大学学报:自然科学版》 >基于KPCA遗传算法的预报模型及其应用

基于KPCA遗传算法的预报模型及其应用

         

摘要

针对数据的相关性、网络参数初始化的随机性对神经网络模型效率和精度的影响,本课题提出采用核主成分分析和遗传算法,优化RBF神经网络结构和参数。首先,采集与人体健康度有关的指标,应用核主成分分析对其进行降维处理;然后,针对RBF网络初始权值、扩展常数设置随意性大的不足,用MATLAB编程实现遗传算法对RBF网络初始参数的优化,并用收集到的数据进行模型的训练和仿真;最后,将该模型与未进行网络优化的模型进行比较。分析和对比表明,该预报模型消除了指标间的相关性,并且提高了预报精度和速度,为预报问题的处理提供了新的研究思路。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号