ACO-ELM与CFSFDP结合的机载动力系统参数估计 被引量：1

1

作者 孟蕾 许爱强 牛景华 《现代防御技术》 北大核心 2017年第2期172-176,216,共6页

针对机载动力系统测试数据的不确定性,求解参数实时性差的问题,提出了基于快速寻找密度极点聚类与蚁群极限学习机的机载动力系统的参数估计方法。首先利用基于寻找密度极点的聚类算法对全工况范围内的测试数据进行聚类,然后在每一个子... 针对机载动力系统测试数据的不确定性,求解参数实时性差的问题,提出了基于快速寻找密度极点聚类与蚁群极限学习机的机载动力系统的参数估计方法。首先利用基于寻找密度极点的聚类算法对全工况范围内的测试数据进行聚类,然后在每一个子类中用极限学习机设计了子参数估计器,并用蚁群算法寻找极限学习机的最优隐层神经元数目。训练与测试表明,参数估计测试相对误差明显优于传统的RBF神经网络方法,且参数估计时间能够满足机载在线实时状态评估的需求,该方法可应用到其他不可测参数的估计。 展开更多

关键词 飞行器 推力 参数估计 蚁群 快速寻找密度极点聚类 蚁群极限学习机

在线阅读 下载PDF 职称材料

基于迁移学习和参数优化的干扰效能评估方法 被引量：3

2

作者 孙志国 肖硕 +2 位作者 吴毅杰 李诗铭 王震铎 《电子与信息学报》 EI CAS CSCD 北大核心 2024年第6期2515-2524,共10页

针对数字通信系统中传统误码率评估导致干扰效能评估结果单一的问题,该文提出了一种基于迁移学习和参数优化的干扰效能评估方法。该方法选取各信号处理模块的核心参数作为机器学习的训练指标,并以优劣解距离的评估结果作为分类标准,采... 针对数字通信系统中传统误码率评估导致干扰效能评估结果单一的问题,该文提出了一种基于迁移学习和参数优化的干扰效能评估方法。该方法选取各信号处理模块的核心参数作为机器学习的训练指标,并以优劣解距离的评估结果作为分类标准,采用支持向量机训练评估模型。通过改进蚁群算法的全局搜索能力和迁移学习的知识传递特性分别解决了支持向量机中的参数优化问题和训练样本中的数据缺失问题。仿真实验结果表明,掌握源域数据集的支持向量机在模型准确度方面提升4.2%,牺牲初始收敛能力的参数优化与最优解的靠近程度提升4.7%,并且可以应用于数字通信系统的干扰效能评估。 展开更多

关键词 干扰效能评估 数字通信 支持向量机 蚁群优化 迁移学习

在线阅读 下载PDF 职称材料

基于可耕性评价与多目标权衡的耕地布局优化 被引量：5

3

作者 黄炳元 黄秋昊 +2 位作者 阳艳 郑锦浩 陈逸航 《农业工程学报》 EI CAS CSCD 北大核心 2024年第19期240-249,共10页

为探索各种空间因素作用下耕地未来空间布局的发展方向及其管控策略,该研究以位于长三角地区的常州市为例,采用机器学习算法构建了土地资源可耕性评价模型,并分别用PLUS模型和InVEST模型计算城市发展潜力和生境保护潜力,最后使用蚁群优... 为探索各种空间因素作用下耕地未来空间布局的发展方向及其管控策略,该研究以位于长三角地区的常州市为例,采用机器学习算法构建了土地资源可耕性评价模型,并分别用PLUS模型和InVEST模型计算城市发展潜力和生境保护潜力,最后使用蚁群优化算法实现权衡多目标的耕地空间配置模拟并划定优化分区。结果表明:1)通过土地资源可耕性评价发现,常州市不可耕作区中有168.25 km^(2)现状为耕地,高度可耕作区中有254.11 km^(2)为非耕地,耕地资源分布存在明显的不均衡性。2)对比不同情景下的耕地空间配置结果,确定城市发展-生境保护-集中耕作情景取得了最理想的效果,平均可耕作潜力为0.9387,有助于优化耕地资源合理布局。3)统筹耕地空间配置结果与土地利用现状将常州市划分为核心保护区、质量提升区、潜力储备区、建设缓冲区、生态保育区共5区并提出差异化的优化管控策略。该研究的技术路径和结果对于重新认识区域耕地资源本底、有效调节土地资源错配具有参考意义。 展开更多

关键词 耕地布局优化 多目标权衡 机器学习 蚁群优化算法 常州市

在线阅读 下载PDF 职称材料

基于蚁群算法优化极限学习机的声学底质分类方法 被引量：1

4

作者 丁德秋 马丹 +3 位作者 陈帆 樊妙 邢喆 唐秋华 《海洋通报》 CSCD 北大核心 2024年第6期750-759,共10页

海洋底质作为深海海底环境的重要组成部分,其类型及分布特征在深海资源开发利用和海洋工程建设中有着巨大的参考价值,是海洋测绘调查的一项重要内容,基于多波束测深系统采集强度数据的监督分类方法逐渐获得广泛应用。随着人工智能的迅... 海洋底质作为深海海底环境的重要组成部分,其类型及分布特征在深海资源开发利用和海洋工程建设中有着巨大的参考价值,是海洋测绘调查的一项重要内容,基于多波束测深系统采集强度数据的监督分类方法逐渐获得广泛应用。随着人工智能的迅速发展,神经网络在声学底质分类中得到广泛应用,极限学习机(extreme learning machine,ELM)权值和偏重不再需要迭代优化,是一种学习速度较快的神经网络。针对ELM神经网络中由于初始权值和偏重矩阵随机确定而导致ELM分类器鲁棒性差的问题,本文选取蚁群算法优化ELM神经网络的初始参数,构建了ACO-ELM神经网络分类模型,经多次迭代后,由于信息素的累积,蚂蚁种群不断向最优路径偏移,训练精度逐渐增高,模型逐步达到平稳。通过底质分类实验验证表明,BM3D+ACO-ELM分类器处理的多波束声呐图像斑点噪声得到了有效控制,在西南印度洋脊龙旂热液钙质软泥和硫化物混合区域,BM3D+ACO-ELM分类器相比于其他三种分类器具有明显优势,底质分类精度得到较大提高,其中硫化物分类精度为93.23%,深海钙质软泥分类精度为93.78%。 展开更多

关键词 极限学习机 反向散射强度 底质分类 蚁群算法 图像滤波处理

在线阅读 下载PDF 职称材料

基于ACO−KELM 的采空区遗煤温度预测模型研究 被引量：1

5

作者 翟小伟 王辰 +3 位作者 郝乐 李心田 侯钦元 马腾 《工矿自动化》 CSCD 北大核心 2024年第12期128-135,共8页

现有采空区遗煤温度预测研究多侧重于温度与气体浓度之间的关系,较少考虑采空区内遗煤温度与距工作面距离及漏风风速之间的复杂非线性关系。针对该问题,提出了一种基于蚁群优化算法优化核极限学习机(ACO−KELM)的采空区遗煤温度预测模型... 现有采空区遗煤温度预测研究多侧重于温度与气体浓度之间的关系,较少考虑采空区内遗煤温度与距工作面距离及漏风风速之间的复杂非线性关系。针对该问题,提出了一种基于蚁群优化算法优化核极限学习机(ACO−KELM)的采空区遗煤温度预测模型。在葫芦素煤矿21404工作面采空区布置束管及分布式光纤,对21404工作面采空区内O_(2),CO,CO_(2)浓度和温度数据进行采集,同时结合采空区内漏风强度和距工作面水平距离构建KELM模型,通过ACO对KELM模型中的正则系数和核参数进行寻优,获得最优超参数组合,进而得到性能最优的KELM模型。与基于极限学习机(ELM)和基于随机森林(RF)算法的预测模型相比,ACO−KELM模型在测试集上的平均绝对误差为0.0701℃,均方根误差为0.0748℃,较基于ELM模型分别降低了65%和195%,较基于RF模型分别降低了53%和156%;ACO−KELM模型在测试集上的判定系数为0.9635,与训练集的判定系数仅相差0.01,说明该模型未陷入过拟合且拟合程度较高。 展开更多

关键词 采空区遗煤 煤自燃 遗煤温度预测 核极限学习机 蚁群算法 漏风强度 指标气体分析法 漏风风速

在线阅读 下载PDF 职称材料

蚁群优化算法协同深度极限学习机的热连轧宽度预测模型

6

作者 李嘉林 高杰 丁敬国 《材料与冶金学报》 CAS 北大核心 2024年第5期497-504,共8页

热连轧粗轧生产过程中,为解决换规格后宽度设定精度低的难题,提出了一种蚁群优化算法协同深度极限学习机(ant colony optimization deep extreme learning machine,ACO-DELM)的热连轧粗轧宽度预测方法.该方法将蚁群优化算法应用于DELM... 热连轧粗轧生产过程中,为解决换规格后宽度设定精度低的难题,提出了一种蚁群优化算法协同深度极限学习机(ant colony optimization deep extreme learning machine,ACO-DELM)的热连轧粗轧宽度预测方法.该方法将蚁群优化算法应用于DELM网络中,以提高其预测精度和泛化能力.先利用数据预处理方法对原始数据进行异常值的剔除和数据归一化.然后,使用蚁群优化算法对DELM的隐藏层节点数、迭代次数进行优化,在隐藏层节点数达到95个、迭代次数为480次时,DELM模型的预测性能最佳,其在预测不同规格带钢平均宽度时,决定系数R^(2)达到0.9989,97.98%的样本点预测误差分布在-7~7 mm.应用结果表明,与传统的深度极限学习机(DELM)、卷积神经网络(CNN)等模型相比,ACO-DELM模型在预测精度和泛化能力上有明显的提升,可有效应用于热轧带钢的平均宽度预测. 展开更多

关键词 热连轧 蚁群优化算法 深度极限学习机 宽度预测

在线阅读 下载PDF 职称材料

基于蚁群算法优化极限学习机模型的滑坡位移预测 被引量：14

7

作者 曹博 汪帅 +3 位作者 宋丹青 杜涵 刘光伟 周志伟 《水资源与水工程学报》 CSCD 北大核心 2022年第2期172-178,共7页

采用高精度的优化算法对于提高滑坡位移预测模型的准确性具有重要意义,然而已有文献中很少对多种优化算法进行对比研究。以三峡库区的八字门滑坡为例,以极限学习机(ELM)理论为基础进行滑坡位移预测,同时运用多种算法对建立模型过程中的... 采用高精度的优化算法对于提高滑坡位移预测模型的准确性具有重要意义,然而已有文献中很少对多种优化算法进行对比研究。以三峡库区的八字门滑坡为例,以极限学习机(ELM)理论为基础进行滑坡位移预测,同时运用多种算法对建立模型过程中的参数选择进行优化以期提高预测效果。为提高预测精度,以移动平均法为基础,将滑坡位移分解为趋势项和周期项,趋势项位移使用多项式函数进行预测,周期项位移使用MATLAB自编程序的极限学习机模型进行预测,两项预测值相加即可得到最终的累计位移预测值。计算结果表明:单一的ELM模型能够较为准确地预测具有阶跃式曲线的滑坡累计位移,预测结果的平均误差为23.5 mm,拟合优度为0.973。与粒子群算法和遗传算法相比,蚁群算法(ACO)在计算用时和优化效果上更优,蚁群算法优化极限学习机模型对位移的预测精度也最高,平均误差为10.1 mm,拟合优度为0.998,可在类似滑坡的位移预测研究中进行推广。 展开更多

关键词 滑坡 位移预测 移动平均法 蚁群算法 极限学习机

在线阅读 下载PDF 职称材料

基于自适应进化策略的人工蜂群优化算法 被引量：12

8

作者 张强 李盼池 王梅 《电子科技大学学报》 EI CAS CSCD 北大核心 2019年第4期560-566,共7页

提出一种自适应进化策略的人工蜂群优化算法来提高基本人工蜂群优化算法的性能。算法中每个引领蜂拥有4种进化策略,在迭代过程中通过计算每种进化策略的立即价值、未来价值和综合奖励来决定引领蜂个体的进化行为,并通过多策略进化概率... 提出一种自适应进化策略的人工蜂群优化算法来提高基本人工蜂群优化算法的性能。算法中每个引领蜂拥有4种进化策略,在迭代过程中通过计算每种进化策略的立即价值、未来价值和综合奖励来决定引领蜂个体的进化行为,并通过多策略进化概率变异方式来提升个体寻优速度或避免陷入局部最优解。典型高维复杂函数测试表明,该算法具有很好的收敛精度和计算速度。 展开更多

关键词 人工蜂群算法 进化策略 极限学习机 优化 上限置信区间

在线阅读 下载PDF 职称材料

基于蚁群优化与独立特征集的遥感图像实时分类算法 被引量：6

9

作者 赵芳 索岩 彭子然 《计算机应用研究》 CSCD 北大核心 2020年第2期573-577,共5页

为了提高遥感图像的实时分类准确率与效率,提出了一种基于蚁群优化算法与独立特征集的遥感图像集实时分类算法。首先,提取遥感图像的小波域特征与颜色特征,并且组成特征向量;然后,采用蚁群优化算法对特征空间进行优化,独立地选出每个分... 为了提高遥感图像的实时分类准确率与效率,提出了一种基于蚁群优化算法与独立特征集的遥感图像集实时分类算法。首先,提取遥感图像的小波域特征与颜色特征,并且组成特征向量;然后,采用蚁群优化算法对特征空间进行优化,独立地选出每个分类的显著特征集,从而降低每个子特征空间的维度;最终,每个分类独立地训练一个极限学习机分类器,从而实现对遥感图像集的分类。基于公开的遥感图像数据集进行了仿真实验,结果显示本算法实现了较高的分类准确率,并且实现了较高的计算效率。 展开更多

关键词 人工智能 特征提取 遥感图像 时间效率 蚁群优化算法 极限学习机

在线阅读 下载PDF 职称材料

使用蚁群算法和深度强化学习的工业异常入侵检测 被引量：5

10

作者 陈铁明 董航 《小型微型计算机系统》 CSCD 北大核心 2022年第4期779-784,共6页

随着工业4.0时代的到来,工业资源、数据和互联网关系越来越紧密.然而,大量信息技术的使用也给工业控制系统(ICS)带来了巨大的隐患.随着各种攻击手段的增加,现有的异常检测方法存在着很多局限性,无法有效识别各种攻击.鉴于上述情况,本文... 随着工业4.0时代的到来,工业资源、数据和互联网关系越来越紧密.然而,大量信息技术的使用也给工业控制系统(ICS)带来了巨大的隐患.随着各种攻击手段的增加,现有的异常检测方法存在着很多局限性,无法有效识别各种攻击.鉴于上述情况,本文提出了一种基于蚁群算法和强化学习的工业异常入侵检测方法.使用蚁群算法进行特征选择,通过多次迭代消除无关、冗余特征,使其适合于模型处理并提高训练速度.该算法在选择特征子集的过程中具有较快的收敛性,可以避免盲目搜索并快速找到最优解.本文对深度强化学习的范式进行修改,利用其反馈学习和决策的能力,对不同类别的攻击进行分类.本文使用密西西比州立大学设计和开发的天然气管道测试平台SCADA系统收集的真实数据对模型进行评估.实验结果表明,该方法可以满足对检测攻击的需求. 展开更多

关键词 工业控制系统 入侵检测 蚁群算法 机器学习 深度学习 深度强化学习

在线阅读 下载PDF 职称材料

基于蚁群优化的极限学习机选择性集成学习算法 被引量：6

11

作者 杨菊 袁玉龙 于化龙 《计算机科学》 CSCD 北大核心 2016年第10期266-271,共6页

针对现有极限学习机集成学习算法分类精度低、泛化能力差等缺点,提出了一种基于蚁群优化思想的极限学习机选择性集成学习算法。该算法首先通过随机分配隐层输入权重和偏置的方法生成大量差异的极限学习机分类器,然后利用一个二叉蚁群优... 针对现有极限学习机集成学习算法分类精度低、泛化能力差等缺点,提出了一种基于蚁群优化思想的极限学习机选择性集成学习算法。该算法首先通过随机分配隐层输入权重和偏置的方法生成大量差异的极限学习机分类器,然后利用一个二叉蚁群优化搜索算法迭代地搜寻最优分类器组合,最终使用该组合分类测试样本。通过12个标准数据集对该算法进行了测试,该算法在9个数据集上获得了最优结果,在另3个数据集上获得了次优结果。采用该算法可显著提高分类精度与泛化性能。 展开更多

关键词 极限学习机 蚁群优化 集成学习 选择性集成

在线阅读 下载PDF 职称材料

改进支持向量机的车辆定位导航精度提升方法 被引量：6

12

作者 岳钰隽 邱娜 +3 位作者 金志扬 许述财 孙川 李浩然 《重庆理工大学学报（自然科学）》 CAS 北大核心 2023年第4期85-94,共10页

车辆定位导航是实现智能车辆环境感知的基础,为解决智能车辆在SINS/GPS组合导航下误差问题,提出一种基于蚁群算法改进支持向量机的车辆定位导航精度提升方法。首先,使用状态变换扩展卡尔曼滤波对组合导航进行初步降噪;其次,运用支持向... 车辆定位导航是实现智能车辆环境感知的基础,为解决智能车辆在SINS/GPS组合导航下误差问题,提出一种基于蚁群算法改进支持向量机的车辆定位导航精度提升方法。首先,使用状态变换扩展卡尔曼滤波对组合导航进行初步降噪;其次,运用支持向量机及神经网络辅助导航,解决组合导航中位置误差较大、对导航效果产生影响的问题;然后,通过蚁群算法改进支持向量机,对支持向量机核函数参数进行迭代优化;最后,在实车采集数据集下,与神经网络辅助进行对比。结果表明:在东北天3个方向上,神经网络降低误差均方根值的效果达到了72.88%、68.66%、63.87%,而改进支持向量机的效果达到了82.09%、79.62%、90.14%。改进支持向量机能够辅助优化组合导航位置误差,提升车辆定位导航精度。 展开更多

关键词 支持向量机 组合导航 误差优化 机器学习 蚁群算法

在线阅读 下载PDF 职称材料

一种基于蚁狮优化的极限学习机 被引量：8

13

作者 尹洪红 杨晓文 +1 位作者 刘佳鸣 韩燮 《计算机应用与软件》 北大核心 2019年第8期230-234,共5页

极限学习机(Extreme Learning Machine,ELM)是一种高效率的单隐层前馈神经网络,由于其训练速度快与泛化性能好,在各个领域中都有广泛的应用。但是极限学习机随机生成输入权值与隐含层偏置矩阵,随机性影响训练模型的泛化性能与稳定性,降... 极限学习机(Extreme Learning Machine,ELM)是一种高效率的单隐层前馈神经网络,由于其训练速度快与泛化性能好,在各个领域中都有广泛的应用。但是极限学习机随机生成输入权值与隐含层偏置矩阵,随机性影响训练模型的泛化性能与稳定性,降低模型分类的精度。为了解决这一问题,借鉴蚁狮优化算法中利用蚁狮种群中的多个个体进行并行寻优的能力,改进优化极限学习机的输入权值与隐含层偏置矩阵,得到一个分类精度更高模型。以UCI标准数据库中数据进行分类实验分析验证,实验结果表明,在5类UCI数据集上基于蚁狮优化的极限学习机(ALO-ELM)相比于PSO-ELM和SaDE-ELM具有更高的分类精度。 展开更多

关键词 极限学习机 蚁狮优化 智能优化算法

在线阅读 下载PDF 职称材料

学习型蚁群算法求解一类复杂两级车辆路径问题 被引量：3

14

作者 陈雪 胡蓉 +3 位作者 王辉 李作成 钱斌 李熠胥 《系统仿真学报》 CAS CSCD 北大核心 2023年第11期2476-2495,共20页

针对考虑同时取送货的绿色两级车辆路径问题,以最小化带碳排放成本的总运输成本为优化目标,提出一种结合聚类分解的学习型蚁群优化算法。针对两级问题相互耦合的特点,采用基于距离的聚类算法将原问题分解为一组子问题,提出一种学习型蚁... 针对考虑同时取送货的绿色两级车辆路径问题,以最小化带碳排放成本的总运输成本为优化目标,提出一种结合聚类分解的学习型蚁群优化算法。针对两级问题相互耦合的特点,采用基于距离的聚类算法将原问题分解为一组子问题,提出一种学习型蚁群优化算法对各子问题进行求解,进而获得原问题的解。提出一种考虑问题结构特征的三维概率矩阵作为信息素矩阵,用于学习优质解的优良特征信息,以提高算法的全局搜索能力;提出一种考虑算法行为特征的局部搜索策略,用于学习所设计的六种邻域算子的搜索信息,以提高算法的局部搜索能力。通过仿真实验和算法比较,验证了所提算法的有效性。 展开更多

关键词 绿色两级车辆路径问题 蚁群优化 聚类分解 学习 三维概率矩阵 同时取送货

在线阅读 下载PDF 职称材料

基于多目标蜂群算法的数据分类方法 被引量：4

15

作者 王海泉 侯宇亮 +3 位作者 魏建华 徐晓滨 苏孟豪 张姗姗 《重庆大学学报（自然科学版）》 EI CAS CSCD 北大核心 2020年第1期74-81,共8页

为了保证运算时效的同时,提高复杂数据的分类精度,提出了基于多目标蜂群算法和极限学习机的数据分类算法。该方法以最小的特征个数和最高的分类精度为优化目标,利用改进的多目标蜂群算法对数据的特征个数和分类器参数进行寻优,针对多个... 为了保证运算时效的同时,提高复杂数据的分类精度,提出了基于多目标蜂群算法和极限学习机的数据分类算法。该方法以最小的特征个数和最高的分类精度为优化目标,利用改进的多目标蜂群算法对数据的特征个数和分类器参数进行寻优,针对多个有代表性的数据集进行仿真,结果表明所提出方法的有效性。 展开更多

关键词 蜂群算法 多目标优化 特征选择 极限学习机 数据分类

在线阅读 下载PDF 职称材料

基于蚁群算法和极限学习机的舰船电子装备备件优化模型 被引量：3

16

作者 李巧君 《舰船科学技术》 北大核心 2022年第5期158-161,共4页

根据分析得到的舰船电子装备使用特点,创建包含定可靠度备件优化和定费用备件优化两部分的舰船电子装备备件优化模型,以可靠度与费用的比值作为目标函数,使用蚁群算法改进极限学习机求解所建模型,将极限学习机的初始权值和阈值当作蚁群... 根据分析得到的舰船电子装备使用特点,创建包含定可靠度备件优化和定费用备件优化两部分的舰船电子装备备件优化模型,以可靠度与费用的比值作为目标函数,使用蚁群算法改进极限学习机求解所建模型,将极限学习机的初始权值和阈值当作蚁群算法内各蚂蚁的爬行路径节点,通过最佳路径搜索获得全局最优解,实现舰船电子装备备件优化。实验结果表明:模型求解所得结果的多样性较高,且舰船可靠度一定时,该方法的库存备件总费用始终保持最低;该方法能有效保证电子装备在整个舰船航行期间的随时可用程度。 展开更多

关键词 蚁群算法 极限学习机 舰船电子装备 备件优化 定可靠度 目标函数

在线阅读 下载PDF 职称材料

光伏电站短期功率区间预测 被引量：2

17

作者 赵辉 赵智立 +1 位作者 王红君 岳有军 《电源技术》 CAS 北大核心 2021年第4期490-494,共5页

为了解决因天气因素导致的光伏出力预测不确定性和随机性问题,更好地量化光伏出力预测偏差的波动范围。提出了基于自适应噪声的集合经验模态分解(CEEMDAN)-排列熵(PE)和改进的蚁狮算法(IALO)优化核极限学习机(KELM)的光伏发电功率区间... 为了解决因天气因素导致的光伏出力预测不确定性和随机性问题,更好地量化光伏出力预测偏差的波动范围。提出了基于自适应噪声的集合经验模态分解(CEEMDAN)-排列熵(PE)和改进的蚁狮算法(IALO)优化核极限学习机(KELM)的光伏发电功率区间预测模型。利用CEEMDAN将历史功率信号分解为多个模态函数(IMF)分量,然后,计算各IMF的熵值,相近的熵值重新组合新序列。借助采用IALO调整输出层权重的KELM网络建立预测模型,对各序列进行区间构造并根据区间预测偏差调整区间模型,再叠加区间预测结果。以实际数据为算例,将组合预测模型与IALO-KELM模型和粒子群算法-反向传播算法(PSO-BP)模型进行对比实验。结果表明,CEEMDAN-PEIALO-KELM模型的区间预测结果准确性和可靠性更高。 展开更多

关键词 光伏功率预测 CEEMDAN 排列熵 核极限学习机 改进的蚁狮算法 区间预测

在线阅读 下载PDF 职称材料

基于改进极限学习机的疾病预测研究 被引量：1

18

作者 张杜娟 苏曦 《电子测量技术》 2020年第9期56-60,共5页

为了提高疾病预测的准确性,建立准确的疾病辅助诊断系统,为疾病诊断提供高可靠性指导意见,建立了改进极限学习机的疾病诊断模型。传统的极限学习机(extreme learning machine, ELM)随机获取初始权值和阈值,模型的预测精度有待提高。基... 为了提高疾病预测的准确性,建立准确的疾病辅助诊断系统,为疾病诊断提供高可靠性指导意见,建立了改进极限学习机的疾病诊断模型。传统的极限学习机(extreme learning machine, ELM)随机获取初始权值和阈值,模型的预测精度有待提高。基于蚁群算法(ant colony optimization,ACO)强大的全局寻优能力,将极限学习机的初始权值和阈值作为蚁群算法的每只蚂蚁,进行最优路径规划,获得全局最优解即为优化后的极限学习机的权值和阈值。将所提方法与ELM,ACO,PSO算法在UCI数据上分别进行了仿真对比,实验结果显示无论在预测精度还是收敛速度上,所提方法均高于其他传统方法。在Pima Indian Diabetes和Breast Cancer的疾病诊断种,所提方法的预测精度也明显高于其他传统预测方法。验证了所提方法具有较高的疾病预测精度,适用于常见疾病的自动诊断。 展开更多

关键词 疾病预测 极限学习机 蚁群

在线阅读 下载PDF 职称材料