|
|
1.
基于Adaboost算法和BP神经网络的税收预测
李翔 朱全银
计算机应用
2012, 32 (12):
3558-3560.
DOI: 10.3724/SP.J.1087.2012.03558
针对传统税收预测模型精度较低的问题，提出一种将Adaboost算法和BP神经网络相结合进行税收预测的方法。该方法首先对历年税收数据进行预处理并初始化测试数据分布权值；然后初始化BP神经网络权值和阈值，并将BP神经网络作为弱预测器对税收数据进行反复训练和调整权值；最后使用Adaboost算法将得到的多个BP神经网络弱预测器组成新的强预测器并进行预测。通过对我国1990—2010年税收数据进行仿真实验，结果表明该方法相比传统BP网络预测，平均误差相对值从0.50%减少到0.18%，有效地降低了单个BP陷入局部极小的影响，提高了网络预测精度。
相关文章 |
多维度评价
|
|
