期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到61篇文章
< 1 2 … 4 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
山岭隧道洞口段地表沉降时序预测研究 被引量：18
1
作者 王述红 朱宝强 《岩土工程学报》 EI CAS CSCD 北大核心 2021年第5期813-821,I0003,共10页
地表沉降监测值具有复杂性及非线性动态变化特征,以往静态模型预测时常存在易受历史监测数据干扰且模型输入权值及阈值选择较为困难的问题,鉴于此,提出一种洞口段地表沉降动态预测方法。利用3次样条函数插值法将监测数据等距化,并结合... 地表沉降监测值具有复杂性及非线性动态变化特征,以往静态模型预测时常存在易受历史监测数据干扰且模型输入权值及阈值选择较为困难的问题,鉴于此,提出一种洞口段地表沉降动态预测方法。利用3次样条函数插值法将监测数据等距化,并结合时序分析理论和变分模态分解(VMD),将地表沉降分解为趋势项和随机项位移;通过采用灰狼优化算法(GWO)对在线贯序极限学习机模型(OSELM)的权值及阈值进行优化,建立了GWO-OSELM动态预测模型,分别对位移分量进行预测;以重庆市兴隆隧道洞口段为例,利用该模型进行预测,并与传统模型进行对比,最后探讨了激励函数的选择对模型预测性能的影响及随机项位移的部分影响因素。结果表明:非等距时序数据预处理后,模型能够有效地对位移分量进行预测,预测精度高、误差小,且Sigmoid激励函数更适合该模型,而地表沉降速率和拱顶下沉速率对随机项位移有重要影响。可为山岭隧道洞口段地表沉降的长期预测提供一种新的思路和方法。 展开更多
关键词 山岭隧道 地表沉降 非等距时间序列 变分模态分解 灰狼优化 在线贯序极限学习机
下载PDF
基于连接数据分析和OSELM分类器的网络入侵检测系统 被引量：16
2
作者 安尼瓦尔.加马力 亚森.艾则孜 木尼拉.塔里甫 《计算机应用研究》 CSCD 北大核心 2017年第12期3749-3752,共4页
针对网络入侵的实时高效检测问题,提出一种基于网络连接数据分析和在线贯序极限学习机(OSELM)分类器的网络入侵检测系统(IDS)。对入侵数据库中的网络连接数据进行分析,通过特征选择算法选择出最优特征子集;然后,迭代执行交叉验证,并通过... 针对网络入侵的实时高效检测问题,提出一种基于网络连接数据分析和在线贯序极限学习机(OSELM)分类器的网络入侵检测系统(IDS)。对入侵数据库中的网络连接数据进行分析,通过特征选择算法选择出最优特征子集;然后,迭代执行交叉验证,并通过Alpha剖析来缩减样本尺寸,以此减低后续分类器的计算复杂度;最后,利用优化后的样本特征集来训练OSELM分类器,以此构建一个网络实时入侵检测系统。在NSL-KDD和DARPA数据库上的实验结果表明,提出的IDS具有较高的检测率和较低的误报率,同时检测时间较短,符合实时入侵检测的要求。 展开更多
关键词 入侵检测系统 网络连接数据 特征选择 在线贯序极限学习机 Alpha剖析
下载PDF
基于在线序列超限学习机和主成分分析的蒸汽冷却型燃料电池系统快速故障诊断方法 被引量：15
3
作者 刘嘉蔚 李奇 +2 位作者 陈维荣 余嘉熹 燕雨 《电工技术学报》 EI CSCD 北大核心 2019年第18期3949-3960,共12页
为解决蒸汽冷却型燃料电池系统的故障诊断问题,该文提出基于在线序列超限学习机和主成分分析的蒸汽冷却型燃料电池系统快速故障诊断新方法。新方法采用主成分分析过滤冗余信息,得到能反映蒸汽冷却型燃料电池系统状态的故障特征向量;使... 为解决蒸汽冷却型燃料电池系统的故障诊断问题,该文提出基于在线序列超限学习机和主成分分析的蒸汽冷却型燃料电池系统快速故障诊断新方法。新方法采用主成分分析过滤冗余信息,得到能反映蒸汽冷却型燃料电池系统状态的故障特征向量;使用在线序列超限学习机对故障特征向量进行分类,能有效提高模型诊断正确率并降低运算时间。实例分析表明:新方法可快速识别膜干故障、氢气泄漏故障和正常状态共三种健康状态。算法的诊断正确率为99.67%,运算时间为0.296 9s。新方法的诊断正确率比SVM和BPNN分别高出14.34%和9.34%,在线序列超限学习机的运算时间仅为SVM和BPNN的1/1 011和1/132。因此,该文所提方法适用于大数据量样本和多数据维度下的蒸汽冷却型燃料电池系统在线故障诊断。 展开更多
关键词 在线序列超限学习机 蒸汽冷却型燃料电池系统 故障诊断 主成分分析 数据驱动
下载PDF
基于改进OS-ELM的冷连轧在线轧制力预报 被引量：12
4
作者 魏立新 张宇 +1 位作者 孙浩 魏新宇 《计量学报》 CSCD 北大核心 2019年第1期111-116,共6页
冷轧轧制力预报结果直接影响板(带)材轧制精度和产品质量。冷轧工艺复杂,参数耦合性强,模型不易建立且与实际偏差较大,针对这些问题,提出一种改进在线序列极限学习机。在初始训练阶段使用量子粒子群算法优化权值和阈值;在线训练阶段根... 冷轧轧制力预报结果直接影响板(带)材轧制精度和产品质量。冷轧工艺复杂,参数耦合性强,模型不易建立且与实际偏差较大,针对这些问题,提出一种改进在线序列极限学习机。在初始训练阶段使用量子粒子群算法优化权值和阈值;在线训练阶段根据当前训练数据中隐含层对网络输出的贡献度调节网络的拓扑结构,实现了结构和参数的自组织,并结合极限学习机变形抗力子模型在线预报轧制力。实验结果表明,该自组织在线序列极限学习机在训练速度和精度方面较之人工蜂群优化的反向传播神经网络和基于增强型增量极限学习机有较大的提高。 展开更多
关键词 计量学 轧制力预报 在线序列极限学习机 在线结构自组织 变形抗力
下载PDF
阶段化改进的海洋捕食者算法及其应用 被引量：8
5
作者 付华 刘尚霖 +1 位作者 管智峰 刘昊 《控制与决策》 EI CSCD 北大核心 2023年第4期902-910,共9页
针对海洋捕食者算法自适应能力有限、局部桎梏概率高等不足,提出阶段化改进的海洋捕食者算法.在高速度比阶段实施差分演化,在原始猎物群体的变异与交叉中扩大全局探索范围,遍历优化个体质量;引入正余弦算法等概率波动等速度比阶段的并... 针对海洋捕食者算法自适应能力有限、局部桎梏概率高等不足,提出阶段化改进的海洋捕食者算法.在高速度比阶段实施差分演化,在原始猎物群体的变异与交叉中扩大全局探索范围,遍历优化个体质量;引入正余弦算法等概率波动等速度比阶段的并行架构,提升莱维飞行群体与布朗运动群体的灵活性,促进群体间渗透,同节奏优化算法的开发能力与探索能力;融合柯西变异策略与反向学习策略改进低速度比阶段捕食者,生成具备自我调节能力的柯西镜像捕食者,避免迭代末期种群同化过度,强化算法反早熟能力.通过基准函数对比寻优实验及Wilcoxon符号秩检验来评估改进算法的性能,实验结果验证了阶段化改进策略对算法整体表现力的提升.利用改进算法优化在线序列极限学习机参数并应用于变压器故障诊断,进一步验证阶段化改进策略的有效性及工程实用性. 展开更多
关键词 智能优化算法 海洋捕食者算法 阶段化改进 变压器故障诊断 在线序列极限学习机
原文传递
WOS-ELM算法在入侵检测中的研究 被引量：8
6
作者 康松林 刘楚楚 +2 位作者 樊晓平 李宏 杨宁 《小型微型计算机系统》 CSCD 北大核心 2015年第8期1779-1783,共5页
随着信息化建设的深入,网络攻击变得复杂多变,严重威胁着网络安全与信息安全.一个好的入侵检测系统往往要求具有高效性,高速性,智能性,实时性,以及应对不同网络环境在线数据的鲁棒性.基于以上五点要求,提出一种权值更新的在线贯序极限... 随着信息化建设的深入,网络攻击变得复杂多变,严重威胁着网络安全与信息安全.一个好的入侵检测系统往往要求具有高效性,高速性,智能性,实时性,以及应对不同网络环境在线数据的鲁棒性.基于以上五点要求,提出一种权值更新的在线贯序极限学习机算法(WOS-ELM)来应用于网络入侵检测.该算法采用一个一个数据或一块一块数据添加的增量学习算法,将多次迭代求解的神经网络训练转变为一次求解的线性方程组,并通过一种有效的权值赋予的方法来解决网络环境数据不均衡的问题.实验表明,该方法具有很高的正确率,并能在短时间内达到很好的分类效果;较之其他算法,它更适合处理大规模网络实时环境中大量的原始数据,对统计数据依赖性小,对不均衡数据分类具有较好的鲁棒性.因此,基于权值更新的在线贯序极限学习机算法更适应于复杂多变的网络环境下的入侵检测. 展开更多
关键词 网络入侵检测 在线贯序极限学习机 增量学习 权值更新 不均衡数据分类
下载PDF
在线极限学习机在岩爆预测中的应用 被引量：7
7
作者 兰明 刘志祥 冯凡 《安全与环境学报》 CAS CSCD 北大核心 2014年第2期90-93,共4页
为有效预测地下工程岩爆的发生及烈度,结合地下工程岩爆的特点,分析岩爆影响因素及相关判别依据,选取围岩最大切向应力σ与岩石抗压强度σc之比σ/σc、岩石抗压强度σc与岩石抗拉强度σt之比σc/σt以及弹性能量指数Wet为判别因子... 为有效预测地下工程岩爆的发生及烈度,结合地下工程岩爆的特点,分析岩爆影响因素及相关判别依据,选取围岩最大切向应力σ与岩石抗压强度σc之比σ/σc、岩石抗压强度σc与岩石抗拉强度σt之比σc/σt以及弹性能量指数Wet为判别因子,引入在线极限学习机理论,建立了岩爆预测的OS-ELM判别模型。以搜集到的国内外15组工程岩爆数据进行训练建模,训练完成后将样本数据做输出预测,得到模型的预测精度达97.98%,并与SVM、BP模型进行对比分析,结果表明,OS-ELM模型精度优于SVM和BP模型。利用该模型对国内两处隧道岩爆情况进行预测,结果与实际情况基本相符。研究表明,OSELM判别模型在岩爆烈度分级上具有良好的适用性和有效性。 展开更多
关键词 安全工程 地下工程 在线极限学习机 岩爆分级 预测
下载PDF
动态数据流分析的在线超限学习算法综述 被引量：7
8
作者 郭威 于建江 +1 位作者 汤克明 徐涛 《计算机科学》 CSCD 北大核心 2019年第4期1-7,共7页
动态数据流分析是一个具有广泛应用价值的研究课题,在线学习方法是其中的一种关键技术。在众多在线学习方法中,在线贯序超限学习机(Online Sequential Extreme Learning Machine,OSELM)是一种新颖且实用的在线学习算法,目前已在动态数... 动态数据流分析是一个具有广泛应用价值的研究课题,在线学习方法是其中的一种关键技术。在众多在线学习方法中,在线贯序超限学习机(Online Sequential Extreme Learning Machine,OSELM)是一种新颖且实用的在线学习算法,目前已在动态数据流分析中得到了成功应用。首先,介绍了OSELM的理论基础和算法执行过程;然后,以动态数据流分析为应用背景,对各种改进OSELM算法进行了分类综述,包括基于滑动窗口的OSELM、基于遗忘因子的OSELM、基于样本加权的OSELM以及其他方法,重点论述了各类算法的设计思路和实现策略,并对其优缺点进行了比较和分析;最后,探讨了值得进一步研究的问题。 展开更多
关键词 在线贯序超限学习机 动态数据流分析 滑动窗口 遗忘因子 样本加权
下载PDF
针对动态非平衡数据集鲁棒的在线极端学习机 被引量：5
9
作者 张晶 冯林 《计算机研究与发展》 EI CSCD 北大核心 2015年第7期1487-1498,共12页
动态数据存在数据量动态改变,数据类别分布非平衡、不稳定等问题,这些问题成为分类的难点.针对该问题,通过对在线极端学习机模型进行拓展,提出鲁棒的权值在线极端学习机算法.为解决动态数据非平衡性,该算法借助代价敏感学习理论生成局... 动态数据存在数据量动态改变,数据类别分布非平衡、不稳定等问题,这些问题成为分类的难点.针对该问题,通过对在线极端学习机模型进行拓展,提出鲁棒的权值在线极端学习机算法.为解决动态数据非平衡性,该算法借助代价敏感学习理论生成局部动态权值矩阵,从而优化分类模型产生的经验风险.同时,算法进一步考虑动态数据由于时序性质改变造成的数据分布变化,而引入遗忘因子增强分类器对数据分布变更的敏感性.算法在不同数据分布的24个非平衡动态数据集上测试,取得了较好的效果. 展开更多
关键词 非平衡数据集 极端学习机 在线极端学习机 代价敏感学习 遗忘因子
下载PDF
MapReduce框架下的实时大数据图像分类 被引量：6
10
作者 张晶 冯林 +1 位作者 王乐 刘胜蓝 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2014年第8期1263-1271,共9页
图像数据作为大数据的重要组成部分蕴含着丰富的知识,且图像分类有着广泛的应用,利用传统分类方法已经无法满足实时计算的需求.针对此问题,提出并行在线极端学习机算法.首先利用在线极端学习机理论得到隐层输出权值矩阵;其次根据MapRed... 图像数据作为大数据的重要组成部分蕴含着丰富的知识,且图像分类有着广泛的应用,利用传统分类方法已经无法满足实时计算的需求.针对此问题,提出并行在线极端学习机算法.首先利用在线极端学习机理论得到隐层输出权值矩阵;其次根据MapReduce计算框架的特点对该矩阵进行分割,以代替原有大规模矩阵累乘操作,并将分割后的多个矩阵在不同工作节点上并行计算;最后将计算节点上的结果按键值合并,得到最终的分类器.在保证原有计算精度的前提下,将文中算法在MapReduce框架上进行拓展,以人脸图像为例对大规模图像数据进行分类的结果表明,该算法能够针对大数据图像进行快速、准确的分类. 展开更多
关键词 大数据 MAPREDUCE 在线极端学习机 人脸识别
下载PDF
具有广义正则化与遗忘机制的在线贯序超限学习机 被引量：6
11
作者 郭威 徐涛 +1 位作者 汤克明 于建江 《控制与决策》 EI CSCD 北大核心 2017年第2期247-254,共8页
针对非平稳时间序列预测问题,提出一种具有广义正则化与遗忘机制的在线贯序超限学习机算法.该算法以增量学习新样本的方式实现在线学习,以遗忘旧的失效样本的方式增强对非平稳系统的动态跟踪能力,并通过引入一种广义的l2正则化使其具有... 针对非平稳时间序列预测问题,提出一种具有广义正则化与遗忘机制的在线贯序超限学习机算法.该算法以增量学习新样本的方式实现在线学习,以遗忘旧的失效样本的方式增强对非平稳系统的动态跟踪能力,并通过引入一种广义的l2正则化使其具有持续的正则化功能,从而保证算法的持续稳定性.仿真实例表明,所提出算法具有较同类算法更好的稳定性和更小的预测误差,适用于具有动态变化特性的非平稳时间序列在线建模与预测. 展开更多
关键词 在线贯序超限学习机 广义正则化 遗忘因子 时间序列预测
原文传递
基于VMD-KPCA-OSELM算法的滚动轴承故障诊断 被引量：5
12
作者 吴东升 贾琼 +2 位作者 杨青 李烨 付丽君 《控制工程》 CSCD 北大核心 2017年第S1期113-117,共5页
为了提高滚动轴承故障诊断的准确性,提出了变分模态分解(VMD)与在线贯序极限学习机(OSELM)相结合的VMD-KPCA-OSELM方法对轴承故障进行诊断。首先利用VMD对所提取轴承信号进行去噪;其次,应用KPCA对去噪后的数据进行故障特征提取和降维压... 为了提高滚动轴承故障诊断的准确性,提出了变分模态分解(VMD)与在线贯序极限学习机(OSELM)相结合的VMD-KPCA-OSELM方法对轴承故障进行诊断。首先利用VMD对所提取轴承信号进行去噪;其次,应用KPCA对去噪后的数据进行故障特征提取和降维压缩;最后,运用OSELM方法对轴承故障进行分类。实验结果表明,所提的集合型方法能通过计算每个模态的中心频率将带宽的求解转化为约束问题的寻优,有效地区分出不同的模态,对故障信号进行滤波并提取故障特征,且在诊断快速性方面优于传统单梯度下降学习方法。所提的集合型VMD-KPCA-OSELM方法比常规的单一型方法更适用于滚动轴承的故障诊断。 展开更多
关键词 故障诊断 变分模态分解 在线惯序极限学习机 电机轴承
下载PDF
基于在线惯序极限学习机的瞬变电磁非线性反演 被引量：5
13
作者 李瑞友 张淮清 吴昭 《物探与化探》 CAS 北大核心 2021年第4期1048-1054,共7页
基于梯度下降法的传统人工神经网络瞬变电磁反演方法计算效率低,不能保证全局收敛。为了解决上述问题,提出一种在线惯序极限学习机(online sequential extreme learning machine,OSELM)的瞬变电磁反演方法。该方法针对瞬变电磁法所获取... 基于梯度下降法的传统人工神经网络瞬变电磁反演方法计算效率低,不能保证全局收敛。为了解决上述问题,提出一种在线惯序极限学习机(online sequential extreme learning machine,OSELM)的瞬变电磁反演方法。该方法针对瞬变电磁法所获取的高维勘探数据进行建模反演,首先,通过随机设定隐层参数(输入权值和偏差)来简化模型的学习过程;然后,将测试得到的预测样本加入训练样本中,作为下一次的更新信息,建立在线贯序极限学习机预测模型,从而最大限度提高反演精度;最后,设计了两个经典的瞬变电磁层状地电模型并进行了拟二维地电模型的反演。反演结果表明,该方法能够较好地解决瞬变电磁法高维数据非线性建模的反演问题,同时相较极限学习机(extreme learning machine,ELM),非线性反演方法具有更加准确的反演结果、更好的泛化能力以及更高的计算效率,为神经网络在地球物理反演中的应用提供了新思路。 展开更多
关键词 瞬变电磁法 人工神经网络 在线惯序极限学习机 反演
下载PDF
基于优化FAEMD-OSELM的WSN流量预测算法研究 被引量：5
14
作者 熊俊 何宽 +1 位作者 李颖川 郁滨 《仪器仪表学报》 EI CAS CSCD 北大核心 2020年第9期262-270,共9页
针对无线传感器网络(WSN)组合流量预测算法自适应性低、计算复杂度高等不足,提出一种基于优化FAEMD-OSELM的WSN流量预测算法。算法利用快速自适应经验模态分解(FAEMD)将信号分解为一系列本征模态函数和一个残余函数,通过设计自适应滤波... 针对无线传感器网络(WSN)组合流量预测算法自适应性低、计算复杂度高等不足,提出一种基于优化FAEMD-OSELM的WSN流量预测算法。算法利用快速自适应经验模态分解(FAEMD)将信号分解为一系列本征模态函数和一个残余函数,通过设计自适应滤波窗口提高信号分解过程的自适应性。进一步,采用在线贯序极限学习机(OSELM)对信号分量进行训练、预测,运用奇异值分解(SVD)理论优化神经网络的参数和拟合过程,降低计算复杂度。同时,结合样本选择器进一步控制预测误差范围,保证算法的预测精度。实验结果表明,算法在分解效果、耗机时间、预测精度等关键性能指标上具有较为明显的优势。 展开更多
关键词 流量预测 快速自适应经验模态分解 自适应滤波窗口 在线贯序极限学习机 奇异值分解
下载PDF
基于量子进化在线序贯极限学习机的变桨系统故障检测 被引量：4
15
作者 李强 张宇献 《太阳能学报》 EI CAS CSCD 北大核心 2022年第1期44-51,共8页
针对复杂工况下风电机组变桨系统故障检测问题,采用在线序贯极限学习机建立变桨系统状态监测模型,利用ReliefF算法进行模型的特征选择,通过量子进化算法优化在线序贯极限学习机的超参数集,并引入马氏距离函数计算变桨系统状态监测模型... 针对复杂工况下风电机组变桨系统故障检测问题,采用在线序贯极限学习机建立变桨系统状态监测模型,利用ReliefF算法进行模型的特征选择,通过量子进化算法优化在线序贯极限学习机的超参数集,并引入马氏距离函数计算变桨系统状态监测模型的残差,判断风电机组变桨系统的异常。以辽宁某风电场1.5 MW双馈风电机组变桨系统为例,将所提出的模型分别与粒子群优化极限学习机、粒子群优化支持向量机、随机权神经网络、极限学习机和反向传播神经网络模型进行对比,结果表明所提出的模型精度优于其他模型,所提方法的故障检测正确率高于3σ阈值法和核主成分分析方法。 展开更多
关键词 风电机组 故障检测 状态监测 变桨系统 在线序贯极限学习机 量子进化算法
下载PDF
一种基于增量加权平均的在线序贯极限学习机算法 被引量：4
16
作者 张明洋 闻英友 +1 位作者 杨晓陶 赵宏 《控制与决策》 EI CSCD 北大核心 2017年第10期1887-1893,共7页
针对在线序贯极限学习机(OS-ELM)对增量数据学习效率低、准确性差的问题,提出一种基于增量加权平均的在线序贯极限学习机(WOS-ELM)算法.将算法的原始数据训练模型残差与增量数据训练模型残差进行加权作为代价函数,推导出用于均衡原始数... 针对在线序贯极限学习机(OS-ELM)对增量数据学习效率低、准确性差的问题,提出一种基于增量加权平均的在线序贯极限学习机(WOS-ELM)算法.将算法的原始数据训练模型残差与增量数据训练模型残差进行加权作为代价函数,推导出用于均衡原始数据与增量数据的训练模型,利用原始数据来弱化增量数据的波动,使在线极限学习机具有较好的稳定性,从而提高算法的学习效率和准确性.仿真实验结果表明,所提出的WOS-ELM算法对增量数据具有较好的预测精度和泛化能力. 展开更多
关键词 单隐层前馈型神经网络 在线序贯极限学习机 加权平均 增量 代价函数
原文传递
模锻过程结合机理与数据的智能控制方法 被引量：4
17
作者 陈宇 吕文兵 陆新江 《锻压技术》 CAS CSCD 北大核心 2017年第4期170-178,共9页
大型模锻成形过程是一个复杂的非线性时变过程,包括锻件流变成形过程与液压系统驱动过程,以及还存在油液泄漏等众多不确定性因素,导致精准锻造过程控制异常困难。为此,在结合基于机理模型控制与数据控制优点的基础上,提出了基于物理模... 大型模锻成形过程是一个复杂的非线性时变过程,包括锻件流变成形过程与液压系统驱动过程,以及还存在油液泄漏等众多不确定性因素,导致精准锻造过程控制异常困难。为此,在结合基于机理模型控制与数据控制优点的基础上,提出了基于物理模型结合在线顺序极限学习机的智能控制方法。该方法首先使用已知的系统信息推导出名义控制律;其次,针对模型不确定性部分,使用在线顺序极限学习机设计出该在线模型的补偿控制律;最后,建立了基于机理模型与数据模型的集成控制器,获得了最佳控制律。仿真结果表明,新方法能有效地控制复杂的锻造过程,且比现有的方法有更好的控制精度。 展开更多
关键词 大型模锻成形 机理模型 在线顺序极限学习机 物理模型控制器 数据模型控制器 集成模型控制器 控制律
原文传递
基于博弈论准确性和差异性兼优的选择性集成建模方法及其应用 被引量：3
18
作者 陈双叶 高建琛 +1 位作者 符寒光 赵荣 《北京工业大学学报》 EI CAS CSCD 北大核心 2021年第1期32-39,共8页
集成学习相较于单模型具有更好的预测精度和泛化能力,被广泛应用于工业过程的质量预测.基学习器之间的多样性和基学习器的准确性对集成的泛化能力影响极大.为了进一步提高集成模型的泛化能力,提出一种同时考虑准确性和差异性的选择性集... 集成学习相较于单模型具有更好的预测精度和泛化能力,被广泛应用于工业过程的质量预测.基学习器之间的多样性和基学习器的准确性对集成的泛化能力影响极大.为了进一步提高集成模型的泛化能力,提出一种同时考虑准确性和差异性的选择性集成建模方法.以在线极限学习机作为基学习器,将基学习器的准确性和基学习器对集成模型多样性的贡献率作为博弈双方,利用博弈论原理求解得出使集成模型准确性和多样性都达到最优的选择方案,使集成模型的准确性和多样性兼优;模型预测完成后,综合当前误差和历史记录误差对基学习器的权重进行在线更新,实现在线测量阶段对建模对象特性的动态自适应.最后,使用公开数据集和实际工业数据验证了所提算法的合理性和有效性. 展开更多
关键词 软测量模型 选择性集成 概念漂移 博弈论 在线极限学习机 自适应学习
下载PDF
基于在线序列极限学习机的风电场短期风速预测研究 被引量：2
19
作者 覃永杰 《红水河》 2023年第3期60-65,74,共7页
为了对风电场的风速进行比较准确的预测,提高风电的稳定性,减轻风电对整个电网的影响,针对风速时间序列的混沌特性,笔者运用相空间重构理论对风速时间序列数据进行相空间重构,提出一种运用在线序列极限学习机算法的风速预测理论。通过... 为了对风电场的风速进行比较准确的预测,提高风电的稳定性,减轻风电对整个电网的影响,针对风速时间序列的混沌特性,笔者运用相空间重构理论对风速时间序列数据进行相空间重构,提出一种运用在线序列极限学习机算法的风速预测理论。通过与BP神经网络算法相比较,在线序列极限学习机算法的预测精度和预测时间都有一定的提高,说明该算法在短期风速预测上是有效的和可行的。 展开更多
关键词 短期风速预测 风电场 在线序列极限学习机 相空间重构
下载PDF
基于OS-ELM和SDAE的Wi-Fi入侵检测方法 被引量：3
20
作者 刘明峰 侯路 +2 位作者 郭顺森 韩然 赵宇飞 《北京交通大学学报》 CAS CSCD 北大核心 2019年第5期87-93,101,共8页
为解决大多数Wi-Fi网络入侵检测方法实时性差、误报率高等问题,提出一种基于在线序列极限学习机(OS-ELM)的实时Wi-Fi网络入侵检测系统模型.首先,考虑到实验样本数据中正常与异常数据极不平衡的问题,采用SMOTE算法对数据样本中的异常数... 为解决大多数Wi-Fi网络入侵检测方法实时性差、误报率高等问题,提出一种基于在线序列极限学习机(OS-ELM)的实时Wi-Fi网络入侵检测系统模型.首先,考虑到实验样本数据中正常与异常数据极不平衡的问题,采用SMOTE算法对数据样本中的异常数据和正常数据进行平衡处理操作,使分类器的分类效果不受样本数据集中多数类样本的影响.然后使用栈式降噪自编码网络(SDAE)对平衡后的数据进行降维,消除无关或冗余特征降低检测建模规模,避免维度灾难.最后,在AWID数据集进行处理并输入到OS-ELM分类器中,结果表明:与其他基于浅层学习算法的检测方法相比,所提方法可有效地精简数据特征,降低了检测时间,同时在检测精度和误报率方面也体现出了更优性能. 展开更多
关键词 在线序列极限学习机 栈式降噪自编码网络 数据降维 入侵检测 WI-FI网络
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 4 下一页 到第 页
使用帮助 返回顶部