摘要:
针对时间序列数据样本少、 部分信息未知的特点, 提出将灰色理论与神经网络相结合构建灰色神经网络, 充分利用两种方法的优势对小样本时间序列数据进行有效挖掘. 为了提高模型的预测精度, 提出利用残差对模型进行有效修正. 实验分析表明, 残差修正灰色神经网络具有较高的预测精度, 适合于小样本时间序列数据的挖掘.
中图分类号:
孙金岭, 庞娟. 基于残差修正的灰色神经网络在数据挖掘中的应用[J]. 吉林大学学报(理学版), 2015, 53(06): 1263-1268.
SUN Jinling, PANG Juan. Application of Gray Neural Network Based onResidual Correction in Data Mining[J]. Journal of Jilin University Science Edition, 2015, 53(06): 1263-1268.