基于网络聚类选择的神经网络集成方法及应用

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。

一种新的神经网络集成方法及其在精准施肥中的应用

为解决作物精准施肥量确定这一难题,提出了一种新的基于神经网络集成的精准施肥量确定方法.在该方法中,采用回放取样生成神经网络个体集合,通过给出一种神经网络相似度度量标准,用聚类算法AP从神经网络个体集合中选出一组精度高、多样性强的网络个体;进而形成分别用拉格朗日乘子和预测有效度法线性集成所选个体的算法LME和FEME.在基准数据集上的实验结果表明:在精度方面,算法LME要明显优于算法FEME和算法BSN(单个最优神经网络算法),且LME具有较好的泛化能力.最后在确定精准施肥量方面,对算法LME进行了实际应用,结果表明LME明显优于传统施肥模型和现有神经网络精准施肥模型.