选择性集成核极限学习机建模及其应用研究

作者：夏全国; 汤健; 吴永建; 赵立杰

来源：控制工程, 2014, (03): 399-402.

DOI：10.14107/j.cnki.kzgc.2014.03.030

• 选择性集成建模
• 遗传算法(GA)
• 极限学习机(ELM)
• 核极限学习机(KELM) selective ensemble modelling
• genetic algorithm(GA)
• extreme learning machine(ELM)
• kernel extreme learning machine(KELM)

针对选择性集成逆向传播神经网络(GASEN-BPNN)模型训练学习速度慢,选择性集成极限学习机(GASEN-ELM)模型建模精度稳定性差等问题,提出一种基于遗传算法的选择性集成核极限学习机(GASEN-KELM)建模方法。该方法首先通过对训练样本进行随机采样获取子模型训练样本;然后采用泛化性、稳定性较佳的核极限学习机(KELM)算法建立候选子模型,通过标准遗传算法工具箱,依据设定阈值按进化策略优化选择最佳子模型;最后通过简单平均加权集成的方式获得最终GASEN-KELM模型。采用标准混凝土抗压强度数据验证了所提出方法的有效性,并与GASEN-BPNN和GASEN-ELM选择性集成算法进行比较,...

• 出版日期2014
• 单位沈阳化工大学; 东北大学