基于网络聚类选择的神经网络集成方法及应用

吉林大学学报(工学版) ›› 2011, Vol. 41 ›› Issue (4): 1034-1040.

基于网络聚类选择的神经网络集成方法及应用

刘大有^1,2, 张冬威^1,2,李妮娅^1,2,刘杰^1,2,金弟^1,2

1.吉林大学计算机科学与技术学院,长春 130012；2.吉林大学符号计算与知识工程教育部重点实验室, 长春 130012

收稿日期:2010-05-11 出版日期:2011-07-01 发布日期:2011-07-01
作者简介:刘大有(1942-),男,教授,博士生导师.研究方向:知识工程与专家系统,Agent系统,时空推理,数据挖掘.E-mail:liudy@jlu.edu.cn
基金资助:
国家自然科学基金项目(60873149, 60973088, 60773099, 60703022);“863”国家高技术研究发展计划项目(2006AA10Z245).

Selective approach for neural network ensemble based on network clustering technology and its application

LIU Da-you^1,2, ZHANG Dong-wei^1,2, LI Ni-ya^1,2, LIU Jie^1,2, JIN Di^1,2

1.College of Computer Science and Technology, Jilin University, Changchun 130012, China|2.Key Laboratory of Symbolic Computation and Knowledge Engineering of Ministry of Education, Jilin University, Changchun 130012, China

Received:2010-05-11 Online:2011-07-01 Published:2011-07-01

摘要/Abstract

摘要：

面向农作物精准施肥量确定问题，提出一种基于复杂网络聚类选择的神经网络集成方法。在该方法中，首先采用回放取样方法来生成多个神经网络个体，其次利用网络聚类算法FEC从这些神经网络个体集中选出部分个体，再次对选出的神经网络个体分别用线性加权方法和非线性方法进行集成，最后对两个集成结果进行融合得到预测结果。于2008年在吉林省榆树玉米试验田七号地对该方法进行了应用。实验结果表明:该方法不仅优于传统的施肥模型、神经网络线性加权集成和神经网络非线性集成方法，而且还具有较强的泛化能力。

关键词: 人工智能, 神经网络集成, 复杂网络聚类, 线性加权集成, 非线性集成, 精准施肥

Abstract:

To solve the difficult issue of crop precise fertilization, a neural network ensemble approach is proposed, which is based on the complex network clustering algorithm. In this approach, first, the method of sampling with replacement is adopted to produce the number of neural network units. Then, Yang's network clustering Forward Error Correction (FEC) algorithm is used to select the networks with high precision and great diversity. Third, the selected networks are ensembled separately with linear weighted ensemble method and nonlinear ensemble method. Finally, the prediction result is achieved by amalgamating the results produced by the two ensemble methods. Test results, carried out at the No. 7 corn plot in Yushu city in 2008, reveal that it proposed approach is better than the traditional fertilization models, linear weighted ensemble model and nonlinear ensemble model. In addition, the ability of generalization of the approach is strong.

Key words: artificial intelligence, neural network ensemble, complex network clustering, linear weighted ensemble, nonlinear ensemble, precision fertilization

中图分类号:

TP18

刘大有^1,2, 张冬威^1,2,李妮娅^1,2,刘杰^1,2,金弟^1,2. 基于网络聚类选择的神经网络集成方法及应用[J]. 吉林大学学报(工学版), 2011, 41(4): 1034-1040.

LIU Da-you, ZHANG Dong-wei, LI Ni-ya, LIU Jie, JIN Di. Selective approach for neural network ensemble based on network clustering technology and its application[J]. 吉林大学学报(工学版), 2011, 41(4): 1034-1040.

参考文献

相关文章 15

[1]	董飒, 刘大有, 欧阳若川, 朱允刚, 李丽娜. 引入二阶马尔可夫假设的逻辑回归异质性网络分类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1571-1577.
[2]	顾海军, 田雅倩, 崔莹. 基于行为语言的智能交互代理[J]. 吉林大学学报(工学版), 2018, 48(5): 1578-1585.
[3]	王旭, 欧阳继红, 陈桂芬. 基于垂直维序列动态时间规整方法的图相似度度量[J]. 吉林大学学报(工学版), 2018, 48(4): 1199-1205.
[4]	张浩, 占萌苹, 郭刘香, 李誌, 刘元宁, 张春鹤, 常浩武, 王志强. 基于高通量数据的人体外源性植物miRNA跨界调控建模[J]. 吉林大学学报(工学版), 2018, 48(4): 1206-1213.
[5]	黄岚, 纪林影, 姚刚, 翟睿峰, 白天. 面向误诊提示的疾病-症状语义网构建[J]. 吉林大学学报(工学版), 2018, 48(3): 859-865.
[6]	李雄飞, 冯婷婷, 骆实, 张小利. 基于递归神经网络的自动作曲算法[J]. 吉林大学学报(工学版), 2018, 48(3): 866-873.
[7]	刘杰, 张平, 高万夫. 基于条件相关的特征选择方法[J]. 吉林大学学报(工学版), 2018, 48(3): 874-881.
[8]	王旭, 欧阳继红, 陈桂芬. 基于多重序列所有公共子序列的启发式算法度量多图的相似度[J]. 吉林大学学报(工学版), 2018, 48(2): 526-532.
[9]	杨欣, 夏斯军, 刘冬雪, 费树岷, 胡银记. 跟踪-学习-检测框架下改进加速梯度的目标跟踪[J]. 吉林大学学报(工学版), 2018, 48(2): 533-538.
[10]	刘雪娟, 袁家斌, 许娟, 段博佳. 量子k-means算法[J]. 吉林大学学报(工学版), 2018, 48(2): 539-544.
[11]	曲慧雁, 赵伟, 秦爱红. 基于优化算子的快速碰撞检测算法[J]. 吉林大学学报(工学版), 2017, 47(5): 1598-1603.
[12]	李嘉菲, 孙小玉. 基于谱分解的不确定数据聚类方法[J]. 吉林大学学报(工学版), 2017, 47(5): 1604-1611.
[13]	邵克勇, 陈丰, 王婷婷, 王季驰, 周立朋. 无平衡点分数阶混沌系统全状态自适应控制[J]. 吉林大学学报(工学版), 2017, 47(4): 1225-1230.
[14]	王生生, 王创峰, 谷方明. OPRA方向关系网络的时空推理[J]. 吉林大学学报(工学版), 2017, 47(4): 1238-1243.
[15]	马淼, 李贻斌. 基于多级图像序列和卷积神经网络的人体行为识别[J]. 吉林大学学报(工学版), 2017, 47(4): 1244-1252.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed