[发明专利]一种基于改进蚁群的BP神经网络二手车价格评估算法

权利要求书

1.一种基于蚁群算法改进的BP神经网络二手车价格评估算法，其特征在于，选取三层BP神经网络为原型，采用改进的蚁群算法对BP神经网络的权值初始化过程进行优化，建立二手车价格评估模型，具体步骤如下：

步骤1：数据采集并预处理；

步骤2：确定网络拓扑结构；

步骤3：采用改进的蚁群算法对BP神经网络的权值初始化过程进行优化；

步骤4：进一步训练优化后的BP神经网络对二手车价格进行预测。

2.根据权利要求1所述的一种基于蚁群算法改进的BP神经网络二手车价格评估算法，其特征在于，所述步骤(1)采集的数据为二手车辆数据及其交易数据作为样本数据，包括车辆编号、生产年份、售卖年月份、城市、排量、新车价格、里程、车辆用途、磨损程度和个人指导价；所述步骤(1)中对采集的样本数据进行预处理：将采集的样本数据进行归一化处理，具体归一化到[0,1]区间内，归一化公式如下：

X₀＝(X-X_min)/(X_max-X_min) (1)

式(1)中，X₀为归一化后的数据，X为原始数据，X_max、X_min分别为原始数据集的最大值和最小值。

3.根据权利要求1或2所述的一种基于蚁群算法改进的BP神经网络二手车价格评估算法，其特征在于，所述步骤(2)中网络拓扑结构为三层BP神经网络结构，包括输入层、隐藏层、输出层，其中，

输入层：输入预处理过的样本数据，每个输入节点都被映射成一个车辆相关属性，具体为车辆编号、生产年份、售卖年月份、城市、排量、新车价格、里程、车辆用途、磨损程度和个人指导价共10个神经元；

隐藏层：根据经验公式(2)估算最佳隐含层神经元个数，

式(2)中，H为隐含层神经元个数，I为输入层神经元个数，O为输出层神经元个数，a为[1,10]内的常数；

输出层：输出二手车实际交易价格结果，实时反馈供用户参考。