地震预报专家系统中学习样本的构建

作者：李远; 刘悦; 王媛; 吴耿锋

来源：计算机工程与应用, 2005, (04): 198-200.

• 专家系统
• RBF神经网络
• 数据预处理
• 非线性关系 expert system
• RBF neural network
• data preprocess
• nonlinearity

如何选择和处理学习样本是地震预报专家系统中非常重要的问题。该文在分析以前方法的特点和不足的基础上,提出了异常驱动样本构造法,并用基于RBF神经网络的属性约简方法来处理学习样本。使用异常驱动样本构造法可以方便、科学地根据异常属性出现的频率选择学习样本的属性和根据每条样本的空缺属性率选择学习样本。基于RBF神经网络的属性约简方法利用RBF(RadialBasisFunction)神经网络的特点来量化各维属性对结果的影响程度,从而约简对结果影响程度小的属性。通过实验,表明了用该文方法进行地震预报样本的选择和处理,能明显地提高地震预报的精度。

• 单位
  上海大学