基于混沌pso算法的选择性神经网络集成方法

？提出基于十进制粒子群优化算法（depso）和二进制pso算法（bipso）的选择性神经网络集成(nne)方法，通过pso算法合理选择组成神经网络集成的各个神经网络，使个体间保持较大的差异度，减小"多维共线性"和样本噪声的影响。为有效保证pso算法的粒子多样性，在迭代过程中加入混沌变异。试验表明，混沌pso算法是组合优化权值的有效方法，同已有方法比较可以有效提高神经网络集成的泛化能力。