论文部分内容阅读
针对单个神经网络模型易出现过拟合而导致泛化能力较弱的缺点,引入了神经网络集成方法,对传统的Bagging方法进行改进,提出了一种基于0.632误差聚类的Bagging方法。通过实验对比和假设检验,证实了该方法的优越性,并探讨了最佳聚类数目。最后,通过应用实例展示了利用集成神经网络进行产品完工期预测的全过程。实验结果显示,该方法明显地提高了预测精度。