标志

复杂性
复杂性/2019年/文章/标签页12

研究文章

一个微分Evolution-Oriented修剪为破产预测神经网络模型

表12

分类精度定性破产数据集获得的其他混合分类方法相关文献。
作者(年) 方法(train-to-test比率) 平均精度(%)
易晒黑等人。(2016)44] 混合物流regression-naive贝叶斯(90% - -10%)) 99.64
Nanxi王(2017)(45] 与强大的逻辑回归神经网络模型(50% - -50%) 69.44
Nanxi王(2017)(45] 神经网络模型与归纳学习算法(50% - -50%) 89.7
Nanxi王(2017)(45] 神经网络模型与遗传算法(50% - -50%) 94年
Nanxi王(2017)(45] 神经网络模型与神经网络没有辍学(50% - -50%) 90.3
Nanxi王(2017)(45] 神经网络模型与支持向量机(50% - -50%) 98.67
Nanxi王(2017)(45] 神经网络模型与决策树(50% - -50%) 99.33
J。Uthayakumar等人。(2018)43] 遗传蚁群算法(未提及) 91.32
J。Uthayakumar等人。(2018)43] Fitness-scaling混沌遗传蚁群算法(未提及) 92.14
J。Uthayakumar等人。(2018)43] 改进的k - means聚类和fitness-scaling 97.93
混沌遗传蚁群算法(未提及)
我们的方法(2019) EPNN (50% - -50%) 99.57
我们的方法(2019) EPNN(10折交叉验证) 99.68

文章奖:2020年杰出的研究贡献,选择由我们的首席编辑。获奖的文章阅读。