典型文献
基于改进麻雀算法优化深度极限学习机的缺失数据预测
文献摘要：
数据缺失降低了数据的可利用性,因此如何预测缺失数据变得尤为重要.针对缺失数据问题,提出一种改进麻雀搜索算法优化深度极限学习机的预测算法.首先,将Singer混沌映射、柯西-高斯变异策略和余弦权重因子与麻雀搜索算法结合;其次利用改进后的麻雀搜索算法优化深度极限学习机中的各极限学习机中自动编码器的输入权重与偏置,进行缺失数据预测.实验表明,在小数据量,低缺失率下时,改进麻雀搜索算法优化深度极限学习机相较于麻雀搜索算法优化深度极限学习机、粒子群优化深度极限学习机、深度极限学习机,其稳定性强,预测精度最高;在均方根误差、平均绝对误差等评价指标上改进麻雀搜索算法优化深度极限学习机优于对比算法.
文献关键词：
缺失数据预测;深度极限学习机;麻雀搜索算法;混沌映射;变异策略
中图分类号：
作者姓名：
张文帅;王占刚
作者机构：
北京信息科技大学信息与通信工程学院 北京100020
文献出处：
引用格式：
[1]张文帅;王占刚-.基于改进麻雀算法优化深度极限学习机的缺失数据预测)[J].电子测量技术,2022(15):63-67
A类：
B类：
改进麻雀算法,深度极限学习机,缺失数据预测,数据缺失,可利用性,改进麻雀搜索算法优化,预测算法,Singer,混沌映射,柯西,高斯变异,变异策略,余弦,权重因子,自动编码器,偏置,小数据,数据量,缺失率,粒子群优化,平均绝对误差,对比算法
AB值：
0.174545
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
