基于残差修正的灰色神经网络在数据挖掘中的应用

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。

关键词：数据挖掘、灰色理论、神经网络、残差修正

分类号：TP311.13(计算技术、计算机技术)

资助基金：国家自然科学基金41121001,41273010;中国科学院知识创新群体项目KZZD-EW-04-05-01;中国科学院寒区旱区环境与工程研究所冰冻圈科学国家重点实验室项目SKLCS-ZZ-2012-01-02;中国科学院外国专家局创新团队国际合作伙伴计划项目

在线出版日期：2016-01-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1263-1268