首页|基于蝙蝠算法的半监督极限学习机在工业检测中的应用

基于蝙蝠算法的半监督极限学习机在工业检测中的应用

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
由于复杂工业过程中关键质量变量的难测性及过程变量的易测性,导致收集到的数据集中含有大量无标记样本,采用传统的有监督极限学习机难以获得理想的回归精度.采用流形正则化框架修正极限学习机的目标函数,将无标记样本和有标记样本共同用于半监督极限学习机的模型训练可以有效提升回归精度.由于模型中含有速率参数a、位移参数b、核宽σ、惩罚系数C和权重λ多个参数,利用蝙蝠算法较强的全局寻优能力对半监督极限学习机中的参数进行优化.最后,将基于蝙蝠算法的半监督极限学习机建模方法应用于脱丁烷塔塔底丁烷浓度的预测.仿真结果表明,所提方法具有良好的预测精度和泛化能力.
Application of Semi-supervised Exetreme Learning Machine Based on Bat Algorithm in Industrial Inspection

孙顺远、周乾

展开 >

轻工过程先进控制教育部重点实验室 无锡 214122

江南大学物联网工程学院 无锡 214122

软测量 极限学习机 流形正则化 半监督学习 蝙蝠算法

2022

10.3969/j.issn.1672-9722.2022.03.040

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2022.50(3)
  • 2
  • 6