论文部分内容阅读
为提高神经网络集成中成员网络的精度、增加成员网络间的差异度,提出一种改进的Bagging神经网络集成算法。通过分析初始样本集中样本间的欧式距离提取各子训练集,子训练集的元素在样本空间具有良好的遍历性和代表性;集成策略采用加权平均法,用粒子群优化算法求解成员网络的集成权重。几个典型回归分析型数据集的测试表明,本算法有效提高了训练样本质量,增强了集成泛化能力。最后将改进算法用于工业乙烯收率神经网络软测量建模,应用结果表明该软测量模型泛化性能好,测量精度高。