辽宁省教育厅科技计划资助项目(2008386)
- 作品数:3 被引量:14H指数:3
- 相关作者:李平王改堂苏成利更多>>
- 相关机构:辽宁石油化工大学西北工业大学更多>>
- 发文基金:辽宁省教育厅科技计划资助项目辽宁省高校创新团队支持计划辽宁省高等学校优秀人才支持计划更多>>
- 相关领域:自动化与计算机技术更多>>
- 基于多K最近邻回归算法的软测量模型被引量:6
- 2011年
- 针对单一模型预测精度较低的问题,提出多K最近邻回归算法(MKNN)的软测量建模方法.该方法采用高斯过程选择软测量模型的辅助变量,通过自适应仿射传播聚类方法将输入样本数据分成多组数据,对每组数据用K最近邻回归(KNN)算法建立子模型,各个子模型的预测输出通过主元回归(PCR)方法连接.用该方法建立粗汽油干点软测量模型,仿真研究表明,该算法的预测精度和泛化能力优于单KNN模型.
- 王改堂李平苏成利
- 关键词:高斯过程软测量模型主元回归
- 岭参数优化的ELM岭回归学习算法被引量:6
- 2011年
- 针对ELM(extreme learning machine,极限学习机)学习算法可能存在的解的奇异问题,提出了岭参数优化的ELM岭回归学习算法(ELMRR).该算法利用岭回归方法代替原有的线性回归算法,以均方根误差为性能指标,采用粒子群优化算法确定最佳岭参数.为了验证该方法的有效性,对函数回归和分类问题进行仿真实验分析,结果表明该方法改善了ELM的预测性能且克服了传统岭回归算法岭参数难以确定的缺点.
- 王改堂李平苏成利
- 关键词:极限学习机岭回归
- ELM岭回归软测量建模方法被引量:3
- 2011年
- ELM(极限学习机)是一种新型的前馈神经网络,可有效处理函数的回归问题。针对ELM学习算法隐含层输出可能存在的复共线性问题,提出了ELM岭回归(ELMRR)软测量建模方法。该算法利用岭回归方法代替原有的线性回归算法,以误差平方和均值为性能指标,采用粒子群优化算法确定最佳岭参数,克服了传统岭回归算法最佳岭参数难以确定的缺点。通过具体实例对该算法进行了验证,结果表明该算法是有效可行的。最后采用ELMRR软测量建模方法预测延迟焦化粗汽油干点,获得了满意的结果。与ELM相比,ELMRR建模方法具有较好的预测精度和良好的应用前景。
- 王改堂李平苏成利
- 关键词:极限学习机岭回归软测量