基于改进的BP神经网络的彩信业务预测模型
摘要
彩信业务是一项重要的移动增值业务,但当前运营商的彩信运营却缺乏有效的系统支撑。文章重点研究了一种数据挖掘方法——BP神经网络——在彩信运营支撑中的应用,提出了混沌粒子群算法,并在此基础上改进了BP神经网络预测模型以用于彩信业务预测。
出处
《移动通信》
2009年第14期88-91,共4页
Mobile Communications
参考文献4
-
1徐青鹤,刘士荣,吕强.一种改进的粒子群算法[J].杭州电子科技大学学报(自然科学版),2008,28(6):103-106. 被引量:6
-
2李旭渊,许化龙.一种基于免疫小生境思想的粒子群优化算法[J].计算机工程与应用,2008,44(8):95-97. 被引量:6
-
3孟志刚,韩永国,张鹏飞.遗传算法和小波分析在函数优化中的运用[J].计算机与数字工程,2005,33(4):59-61. 被引量:1
-
4杨维,李歧强.粒子群优化算法综述[J].中国工程科学,2004,6(5):87-94. 被引量:362
二级参考文献44
-
1徐立芳,王科俊,莫宏伟.基于小生境进化策略的免疫算法参数优化[J].哈尔滨工程大学学报,2006,27(B07):241-246. 被引量:1
-
2黄建江,须文波,孙俊,董洪伟.量子行为粒子群优化算法的布局问题研究[J].计算机应用,2006,26(12):3015-3018. 被引量:12
-
3Kennedy J,Eberhart R.Particle swarm optimization}[C]//IEEE Int'l Conference on Neural Networks, Perth, Australia, 1995 : 1942-1948.
-
4Kennedy J,Russell Eberhart.A new optimizer using particle swarm theory[C]//Proc of the Sixth International Symposium on Micro Machine and Human Science,Nagoya,Japan,1995:39-43.
-
5Kennedy J,Eberhart R.A discrete binary version of the particle swarm algorithm [C]//Proc Conf on Systems,Man and Cybernetics, IEEE Service Center,Piscataway,NJ,1997:4104-4108.
-
6Shi Y,Eberhart R.A modified particle swarm optimizer[C]//IEEE World Congress on Computational Intelligence, 1998:68-73.
-
7Shi Y,Eberhart R.Fuzzy adaptive particle swarm optimization[C]// Proc Congress on Evolutionary Computation,Seoul,Korea,2001: 101-106.
-
8Eberhart C,Shi Y.Comparing inertia weights and constriction factors in particle swarm optimization [C]//Proceedings of the 2000 International Congress on Evolutionary Computation (San Diego, Calfornia),IEEE Service Center,Piscataway,NJ,2000:84-88.
-
9Kennedy J, Eberhart R C. Particle Swarm Optimization[ C]. Piscataway: Proceedings of the IEEE International Conference on Neural Networks. 1995:1942- 1948.
-
10Shi Y, Eberhart R C. Fuzzy Adaptive Particle Swarm Optimization[ C]. Soul: Proceedings of the IEEE Conference on Evolutionary Computation, 2001 : 101 - 106.
共引文献371
-
1宋宇飞,毛庆洲,周昊,胡雪晴.圆光栅角度传感器偏心误差的分析与补偿[J].仪器仪表学报,2022,43(12):76-86. 被引量:5
-
2林焕杰.大跨度铁路连续钢桁梁预拱度设置研究[J].四川水泥,2022(11):250-252.
-
3高显义,林欣晖.基于文本聚类的变电工程变更特征识别研究[J].建筑经济,2020,41(S02):200-203. 被引量:2
-
4肖磊.基于支持向量机参数优化的图像特征智能辨识[J].电脑知识与技术,2020,0(4):173-175. 被引量:2
-
5史鸿锋,李永林.精英反向黄金正弦被囊群优化算法[J].智能计算机与应用,2021,11(11):189-193. 被引量:3
-
6蔡涵鹏,贺振华,黄德济.基于粒子群优化算法波阻抗反演的研究与应用[J].石油地球物理勘探,2008,43(5):535-539. 被引量:11
-
7王晓乐,徐家品.基于粒子群优化算法的WSNs节点定位研究[J].计算机应用,2009,29(2):494-495. 被引量:19
-
8汲万峰,姜礼平,朱建冲,阮冰.基于动态因子的粒子群算法在航路规划中的应用[J].航空计算技术,2010,40(3):18-21. 被引量:1
-
9梅胜全.应用免疫粒子群优化算法的排课系统[J].硅谷,2009,2(7):51-52. 被引量:1
-
10杨雪榕,梁加红.考虑观测的双冲量最优交会研究[J].飞行器测控学报,2010,29(1):68-72. 被引量:1
-
1谢春明,肖露欣.混沌粒子群算法的盲源信号分离仿真研究[J].计算机应用与软件,2013,30(4):211-213.
-
2杨汉华.参数自适应混沌粒子群算法在盲源分离中的应用[J].微电子学与计算机,2012,29(10):202-205. 被引量:1
-
3周强锋,赵书敏,安宁,池程芝.基于混沌粒子群算法的阵列天线容差分析[J].计算机仿真,2011,28(9):211-214. 被引量:4
-
4王君丽.基于混沌粒子群算法和Hopfield网络求解TSP问题[J].电脑知识与技术,2009,5(5):3511-3512. 被引量:1
-
5丁国君,王立德,申萍,刘彪.基于改进PSO算法优化LSSVM的模拟电路软故障诊断方法[J].中南大学学报(自然科学版),2013,44(S1):211-215. 被引量:7
-
6于洋,谭学治,殷聪,张闯,马琳.基于二进制混沌粒子群算法的认知决策引擎[J].哈尔滨工业大学学报,2014,46(3):8-13. 被引量:6
-
7刘维亭,范洲远.基于混沌粒子群算法的无线传感器网络覆盖优化[J].计算机应用,2011,31(2):338-340. 被引量:33
-
8杨家兴.微弱GPS信号捕获算法的仿真研究[J].计算机仿真,2012,29(12):291-294.
-
9曾祥能,张永顺,史泽,金虎兵.基于改进混沌粒子群算法的发射波束控零[J].航天电子对抗,2009,25(1):27-29. 被引量:1
-
10张爱华,尉宇.基于混沌粒子群的决策树SVM的调制模式识别[J].电视技术,2012,36(23):126-129. 被引量:6