论文部分内容阅读
为了对烟草病毒病的病情指数进行建模研究,采用了一种正则极限学习机算法:通过引入惩罚因子来权衡结构风险与经验风险的大小,进一步增强网络的泛化性.针对烟草病毒病的众多影响因素,采用灰色关联度算法选取主要影响因子.使用某地1984—1995年病情资料、相关虫情和气象资料,经过数据挖掘、建模仿真,将正则极限学习机应用于烟草病毒病预测中,效果较好,对烟草病毒病的防治具有指导意义.