|本期目录/Table of Contents|

[1]翟慧,李纪云.BP_Adaboost预测模型结合遗传算法在鸡腿菇生长环境寻优中的应用[J].江苏农业科学,2013,41(07):383-385.
　Zhai Hui,et al.Application of BP_Adaboost forecasting model combined genetic algorithm in growth environment optimization of Coprinus comaus[J].Jiangsu Agricultural Sciences,2013,41(07):383-385.
点击复制

BP_Adaboost预测模型结合遗传算法在鸡腿菇生长环境寻优中的应用(PDF)
分享到：

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第41卷
期数:
2013年07期
页码:
383-385
栏目:
农业工程
出版日期:
2013-07-25

文章信息/Info

Title:
Application of BP_Adaboost forecasting model combined genetic algorithm in growth environment optimization of Coprinus comaus
作者:
翟慧;  李纪云
河南职业技术学院信息工程系，河南郑州 450046
Author(s):
Zhai Hui; et al
关键词:
BP神经网络; AdaBoost算法; BP_Adaboost预测模型; 遗传算法
Keywords:
-
分类号:
S126
DOI:
-
文献标志码:
A
摘要:
针对试验中使指标达到最佳值的最优因素组合的问题，提出了一种基于BP_Adaboost的预测模型结合遗传算法的求解方法，并在鸡腿菇生长环境寻优中进行实际应用。结果表明，与BP神经网络相比，该模型提高了预测精度和泛化能力，为解决此类寻优问题提供了可靠的参考，具有较好的应用前景。
Abstract:
-

参考文献/References:

［1］王学会. 遗传算法和BP网络在发酵模型中的应用［D］. 天津：天津大学，2007.
［2］孙凤琪. AdaBoost集成神经网络在冲击地压预报中的应用［J］. 吉林大学学报：信息科学版，2009，27(1)：79-84.
［3］毛志忠，田惠欣，王琰. 基于AdaBoost[HJ1.8mm]混合模型的ＬＦ炉钢水终点温度软测量［J］. 仪器仪表学报，2008，29(3)：662-667.
［4］艾小松，黄挚雄，张良春，等. 基于AdaBoost算法的高速公路事件检测［J］. 计算机工程与科学，2007，29(12)：95-97.
［5］杨涛，张良春. 基于AdaBoost集成RBF神经网络的高速公路事件检测［J］. 计算机工程与应用，2008：44(32)：223-225，229.
［6］吴建生. 基于遗传算法的BP神经网络气象预报建模［D］. 南宁：广西师范大学，2004.

相似文献/References:

[1]赵艳玲,何厅厅,侯占东,等.基于BFA-BP神经网络的土壤肥力评价[J].江苏农业科学,2013,41(08):340.
　Zhao Yanling,et al.Soil fertility evaluation based on BFA-BP neural network[J].Jiangsu Agricultural Sciences,2013,41(07):340.
[2]王红君,张梦,赵辉,等.基于BP神经网络的温室黄瓜灌溉预测模型[J].江苏农业科学,2013,41(11):407.
　Wang Hongjun,et al.Irrigation forecast model of cucumber in greenhouse based on BP neural networks[J].Jiangsu Agricultural Sciences,2013,41(07):407.
[3]李子艺,王振锡,岳俊,等.基于BP神经网络的高光谱果树树种识别研究[J].江苏农业科学,2016,44(05):410.
　Li Ziyi,et al.Study on recognition of fruit tree with hyperspectral data based on BP neural network[J].Jiangsu Agricultural Sciences,2016,44(07):410.
[4]马海姣,崔晨风.基于可见-近红外光谱和神经网络的土壤类型鉴别[J].江苏农业科学,2014,42(04):284.
　Ma Haijiao,et al.Identification of soil types based on visible-near infrared spectroscopy and neural networks[J].Jiangsu Agricultural Sciences,2014,42(07):284.
[5]林萍,陈永明.利用可见近红外光谱技术快速鉴别大米品种[J].江苏农业科学,2015,43(12):320.
　Lin Ping,et al.Fast discrimination of rice varieties based on visible near-infrared spectroscopy technology[J].Jiangsu Agricultural Sciences,2015,43(07):320.
[6]梁帆,杨莉莉,崔世钢,等.基于神经网络的油菜成熟度等级视觉检测方法[J].江苏农业科学,2015,43(08):403.
　Liang Fan,et al.Visual inspection method of rapeseed maturity level based on neural networks[J].Jiangsu Agricultural Sciences,2015,43(07):403.
[7]赵方华,姜波.加工番茄的施肥模型[J].江苏农业科学,2015,43(06):147.
　Zhao Fanghua,et al.Fertilization model of processing tomato[J].Jiangsu Agricultural Sciences,2015,43(07):147.
[8]张亚丽.基于颜色特征和极端学习机的番茄成熟度识别[J].江苏农业科学,2014,42(07):411.
　Zhang Yali.Identification of tomato maturity based on color features and extreme learning machine[J].Jiangsu Agricultural Sciences,2014,42(07):411.
[9]杨可明,卓伟,刘二雄,等.基于光谱特征参数与主成分分析的玉米叶片叶绿素含量BP反演[J].江苏农业科学,2016,44(07):147.
　Yang Keming,et al.Study on a BP model for inversing chlorophyll content of corn leaves based on spectral characteristic parameters and principal component analysis[J].Jiangsu Agricultural Sciences,2016,44(07):147.
[10]刘小英,秦振涛,杨蜀秦.基于稀疏表示的葡萄干品质分级[J].江苏农业科学,2016,44(08):421.
　Liu Xiaoying,et al.Raisins quality classification based on sparse representation[J].Jiangsu Agricultural Sciences,2016,44(07):421.

备注/Memo

备注/Memo:
收稿日期：2013-01-07
基金项目：河南省高等学校青年骨干教师资助计划(编号：2012GGJS-241)；河南省教育科学规划项目(编号：［2011］-JKGHAD-0441)。
作者简介：翟慧(1980—)，女，河南周口人，硕士，讲师，主要从事电子技术、计算机应用研究。E-mail：wuna198001@163.com。
更新日期/Last Update: 2013-07-25