论文部分内容阅读
本文主要研究基于遗传算法的神经网络集成技术应用在智能交通预测方面。基于遗传算法的集成技术利用基学习器的多个版本来解决同一问题，显著的提高了系统的泛化能力。神经网络由于它具有分类精度高，鲁棒性强等显著优点，很多的神经网络研究者将它作为一种重要的数据挖掘技术，使其在数据挖掘领域发挥其应有的作用。
另外，本文为了提高BP神经网络的学习效率，采用了改进的BP神经网络应用到集成学习中。通过采用路口交通实测数据，对于所提出的算法进行了验证。
从试验结果来看，本文的算法具有一定的应用价值。