基于模糊神经网络的水质评价代码

该论文采用了一个由七个独立DNN学习器组成的集合来进行水质评价，以解决深度神经网络容易过度拟合的问题。每个DNN都使用不同的数据输入并删除其中七分之一的数据进行训练，通过bootstrap抽样进行补充，以引入多样性。论文提出了一种新的技术，通过多数投票实现预测并进行两步置信度检查，从而结合DNN学习者的预测，最终进行水质评价。测试表明，所提出的方法比单个DNN和多DNN的平均集成，以及多元化投票和元适配器方法效果更好。