基于神经网络和证据理论的样本预测方法

为了满足某些特殊领域的预测精度需求,提出一种基于神经网络和证据理论的样本预测方法。该方法通过统计学中的数据集Iris花的样本特征进行仿真验证。首先,构建神经网络直接训练和测试样本,获得89.33%的识别率;其次,利用遗传算法优化神经网络的初始权值和阈值后再对样本进行训练和测试,获得94.66%的识别率;最后,结合数据融合中的证据理论进一步把识别率提高到97.33%。实验表明,该方法具有较高的预测精度。