魏忠军
- 作品数：2 被引量：9H指数：2
- 供职机构：中国人民解放军92721部队更多>>
- 发文基金：国家自然科学基金中国博士后科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于选择性更新的在线核极限学习机建模被引量：6
- 2013年
- 针对每样本递推更新的在线建模方法计算消耗大、常用的人工智能建模方法学习速度慢的缺点,为能够对软测量模型进行有效更新和提高在线模型的学习速度,提出了一种基于选择性更新的在线核极限学习机(KELM)建模方法。该方法首先采用近似线性依靠(ALD)条件判别新样本与建模样本间的线性独立依靠程度,选择满足设定条件、含有足够新信息的样本对软测量模型进行更新,降低了模型在线学习次数;然后选择学习速度快、泛化性强的KELM方法建立软测量模型,有效地避免了极限学习机(ELM)模型固有的随机性和支持向量机(SVM)模型求解的复杂性;最后将ALD条件和KELM算法有效结合,提高了在线软测量模型的学习速度和预测性能。通过合成数据的仿真实验结果验证了所提方法的有效性。
- 孙朝江汤健魏忠军赵立杰
- 基于进化算法优化的混合核极限学习机建模被引量：6
- 2013年
- 基于核方法的软测量模型的核类型、核参数及学习参数影响模型泛化性能,而且核类型和核参数还与建模数据相关,难以有效选择;常用的基于支持向量机(SVM)的建模算法虽然泛化性好,除了模型的学习参数难以选择外,其学习速度较慢。为解决这些问题,提出了基于进化算法优化的混合核极限学习机建模方法。该方法选用具有较快学习速度和较好泛化性能的核极限学习机(KELM)算法建立软测量模型,其核函数则采用具有局部和全局特性的径向基(RBF)核函数和多项式核函数加权得到的混合核函数。软测量模型的相关参数,即混合核的权系数、核参数及和KLELM模型的惩罚参数通过进化算法同时优化选择。最后采用基于近红外谱(NIR)数据建立的软测量模型验证了所提方法的有效性。
- 张德全魏忠军汤健赵立杰
- 关键词：软测量混合核函数进化算法
