一种基于在线序贯极限学习机的大型舰船甲板态势预测方法 被引量：4

1

作者 刘锡祥 宋清 +2 位作者 司马健 黄永江 杨燕 《中国惯性技术学报》 EI CSCD 北大核心 2016年第2期269-274,共6页

在舰船摇荡运动无法有效抑制时,可利用惯性导航系统实时测量甲板运动,并利用甲板运动的当前以及历史数据对未来时刻的甲板运动进行预测,以提高舰载机的起降安全性。然而甲板摇荡运动作为风浪、潮汐等共同作用的产物,具有较强的非线性、... 在舰船摇荡运动无法有效抑制时,可利用惯性导航系统实时测量甲板运动,并利用甲板运动的当前以及历史数据对未来时刻的甲板运动进行预测,以提高舰载机的起降安全性。然而甲板摇荡运动作为风浪、潮汐等共同作用的产物,具有较强的非线性、随机性和时变性。针对上述特性,引入具有信息实时更新功能的在线序贯极限学习机(OS-ELM)方法对甲板运动态势进行预测。该方法通过实时更新参与模型解算的样本数据,具有计算量小、学习映射能力强的优点。针对OS-ELM中存在的隐含层节点个数选择,以及甲板态势预测中出现的样本个数、历史数据长度等参数选择问题,引入遗传算法(GA)进行寻优。基于模拟甲板摇荡数据的仿真表明,该预测方法可以实时跟踪甲板运动的实时性变化,并对甲板运动态势进行预测。 展开更多

关键词 甲板态势预测 在线序贯极限学习机 信息更新 遗传算法

在线阅读 下载PDF 职称材料

基于量子进化在线序贯极限学习机的变桨系统故障检测 被引量：5

2

作者 李强 张宇献 《太阳能学报》 EI CAS CSCD 北大核心 2022年第1期44-51,共8页

针对复杂工况下风电机组变桨系统故障检测问题,采用在线序贯极限学习机建立变桨系统状态监测模型,利用ReliefF算法进行模型的特征选择,通过量子进化算法优化在线序贯极限学习机的超参数集,并引入马氏距离函数计算变桨系统状态监测模型... 针对复杂工况下风电机组变桨系统故障检测问题,采用在线序贯极限学习机建立变桨系统状态监测模型,利用ReliefF算法进行模型的特征选择,通过量子进化算法优化在线序贯极限学习机的超参数集,并引入马氏距离函数计算变桨系统状态监测模型的残差,判断风电机组变桨系统的异常。以辽宁某风电场1.5 MW双馈风电机组变桨系统为例,将所提出的模型分别与粒子群优化极限学习机、粒子群优化支持向量机、随机权神经网络、极限学习机和反向传播神经网络模型进行对比,结果表明所提出的模型精度优于其他模型,所提方法的故障检测正确率高于3σ阈值法和核主成分分析方法。 展开更多

关键词 风电机组 故障检测 状态监测 变桨系统 在线序贯极限学习机 量子进化算法

在线阅读 下载PDF 职称材料

基于在线序贯极限学习机的温室温度预测方法及其自适应控制系统设计 被引量：5

3

作者 张立优 马珺 +2 位作者 贾华宇 王曦 张朝霞 《江苏农业科学》 2018年第14期226-230,共5页

针对现有的温室控制方法难以对温室系统做出精准预测和有效控制等问题,提出一种基于在线序贯极限学习机(online sequential extreme learning machine,简称OS-ELM)神经网络的温室温度预测及其自适应控制方法。该方法采用OS-ELM神经网络... 针对现有的温室控制方法难以对温室系统做出精准预测和有效控制等问题,提出一种基于在线序贯极限学习机(online sequential extreme learning machine,简称OS-ELM)神经网络的温室温度预测及其自适应控制方法。该方法采用OS-ELM神经网络构建温室系统的温度预测模型,并用于温室温度预测;将预测模型的输出作为模糊神经网络控制器(fuzzy neural network controller,简称FNNC)的理想输出参考量,结合FNNC的实际输出量,将FNNC输出误差作为遗传算法(genetic algorithm,简称GA)优化FNNC参数的目标函数,构成在线预测的模糊控制策略。在温室温度预测模型采用物理建模、Elman神经网络建模和OS-ELM神经网络建模方法下对温室温度控制进行试验,结果表明,基于OS-ELM的温室温度预测方法及其自适应控制系统具有较好的性能优势,可有效提高温室的预测和控制精度。 展开更多

关键词 在线序贯极限学习机 模糊神经网络控制器 自适应控制 遗传算法 在线温室温度预测模型

在线阅读 下载PDF 职称材料

PID补偿的完全在线序贯极限学习机控制器在输入扰动系统自适应控制中的应用

4

作者 张立优 马珺 贾华宇 《计算机应用》 CSCD 北大核心 2018年第4期1213-1217,共5页

针对输入受外界扰动的系统在实现自适应控制难的问题,提出一种比例-积分-微分(PID)补偿的完全在线序贯极限学习机(FOS-ELM)控制器设计方法。首先,建立系统的动态线性模型,采用FOS-ELM算法设计控制器并学习其参数;其次,计算系统的实际输... 针对输入受外界扰动的系统在实现自适应控制难的问题,提出一种比例-积分-微分(PID)补偿的完全在线序贯极限学习机(FOS-ELM)控制器设计方法。首先,建立系统的动态线性模型,采用FOS-ELM算法设计控制器并学习其参数;其次,计算系统的实际输出误差,结合系统的控制误差,设计所需补偿的PID增量参数;最后,对PID补偿的FOS-ELM控制器参数在线调整并用于系统控制。在发动机空气燃油比(AFR)控制系统模型上进行实验,实验结果表明上述方法在实现自适应控制的同时降低了系统扰动输入带来的干扰,提高了系统有效控制率,在正负干扰系数为0.2时,其有效控制率从不足53%提高到93%以上。同时该方法易于实现,具有很强的鲁棒性和实用价值。 展开更多

关键词 完全在线序贯极限学习机 输入扰动 自适应控制 比例积分微分增量 控制误差

在线阅读 下载PDF 职称材料

改进在线贯序极限学习机在模式识别中的应用 被引量：13

5

作者 尹刚 张英堂 +1 位作者 李志宁 范红波 《计算机工程》 CAS CSCD 2012年第8期164-166,169,共4页

针对传统在线贯序极限学习机存在的过学习和分类器输出不稳定等问题,将结构风险最小化理论引入到极限学习机中,用小波函数替代原有的隐层激励函数构建正则小波极限学习机,并与在线学习方法结合,提出在线正则小波极限学习机。仿真实验结... 针对传统在线贯序极限学习机存在的过学习和分类器输出不稳定等问题,将结构风险最小化理论引入到极限学习机中,用小波函数替代原有的隐层激励函数构建正则小波极限学习机,并与在线学习方法结合,提出在线正则小波极限学习机。仿真实验结果表明,在线正则小波极限学习机克服过学习和局部最优等问题,能够实现快速在线学习,具有良好的泛化性和鲁棒性。 展开更多

关键词 在线贯序极限学习机 小波分析 在线学习 模式识别 结构风险 泛化性能 鲁棒性

在线阅读 下载PDF 职称材料

基于在线贯序极限学习机的齿轮故障诊断方法 被引量：2

6

作者 秦波 刘永亮 +1 位作者 王建国 杨云中 《机械设计与制造》 北大核心 2016年第12期101-104,共4页

针对表征齿轮故障信息的特征难提取与极限学习机无法处理随时间变化的信息流,致使齿轮故障分类模型精度差、泛化能力弱的问题,提出一种基于在线贯序极限学习机的齿轮故障诊断方法。该方法首先将齿轮振动信号进行相空间重构,并对重构矩... 针对表征齿轮故障信息的特征难提取与极限学习机无法处理随时间变化的信息流,致使齿轮故障分类模型精度差、泛化能力弱的问题,提出一种基于在线贯序极限学习机的齿轮故障诊断方法。该方法首先将齿轮振动信号进行相空间重构,并对重构矩阵进行奇异值分解得到奇异值特征向量;其次,建立在线贯序极限学习机的齿轮故障分类模型,并将奇异值特征向量作为模型输入进行齿轮不同故障状态的辨识。实验结果表明:与基于BP、SVM与ELM的故障分类方法相比,基于基于在线贯序极限学习机的齿轮故障诊断方法具有更快的学习速度、更高的分类精度与更强的泛化能力。 展开更多

关键词 相空间重构 奇异值 在线贯序极限学习机 齿轮 故障诊断

在线阅读 下载PDF 职称材料

基于主曲线的不均衡在线贯序极限学习机研究

7

作者 王金婉 毛文涛 +1 位作者 王礼云 何玲 《计算机科学》 CSCD 北大核心 2016年第3期62-67,共6页

针对现有机器学习算法难以有效提高不均衡在线贯序数据中少类样本分类精度的问题,提出了一种基于主曲线的不均衡在线贯序极限学习机。该方法的核心思路是根据在线贯序数据的分布特性,均衡各类别样本,以减少少类样本合成过程中的盲目性,... 针对现有机器学习算法难以有效提高不均衡在线贯序数据中少类样本分类精度的问题,提出了一种基于主曲线的不均衡在线贯序极限学习机。该方法的核心思路是根据在线贯序数据的分布特性,均衡各类别样本,以减少少类样本合成过程中的盲目性,主要包括离线和在线两个阶段。离线阶段采用主曲线分别建立各类别样本的分布模型,利用少类样本合成过采样算法对少类样本过采样,并根据各样本点到对应主曲线的投影距离分别为其设定相应大小的隶属度,最后根据隶属区间削减多类和少类虚拟样本,进而建立初始模型。在线阶段对贯序到达的少类样本过采样,并根据隶属区间均衡贯序样本,进而动态更新网络权值。通过理论分析证明了所提算法在理论上存在损失信息上界。采用UCI标准数据集和实际澳门气象数据进行仿真实验,结果表明,与现有典型算法相比,该算法对少类样本的预测精度更高,数值稳定性更好。 展开更多

关键词 在线贯序极限学习机 不均衡数据 主曲线 少类样本合成过采样

在线阅读 下载PDF 职称材料

加权在线贯序极限学习机算法及其应用

8

作者 孙毅刚 刘静雅 赵珍 《计算机工程与设计》 CSCD 北大核心 2014年第10期3594-3597,3666,共5页

针对在线贯序极限学习机对所有数据等权处理这一缺陷,提出加权在线贯序极限学习机算法。依据运算过程中产生的网络均方根误差的差异,给新数据以及历史数据分配不同的权值,当网络均方根误差较大时减小其权值,较小时增大其权值。该算法实... 针对在线贯序极限学习机对所有数据等权处理这一缺陷,提出加权在线贯序极限学习机算法。依据运算过程中产生的网络均方根误差的差异,给新数据以及历史数据分配不同的权值,当网络均方根误差较大时减小其权值,较小时增大其权值。该算法实现了对新旧数据的不等权处理,利用航空发动机传感器数据验证该算法的可行性。验证结果表明,基于该算法所建的航空发动机传感器故障诊断模型要比基于传统在线贯序极限学习机算法所建模型的精度更高。 展开更多

关键词 在线贯序极限学习机 航空发动机 传感器 故障诊断 加权

在线阅读 下载PDF 职称材料

基于正则化与遗忘因子的极限学习机及其在故障预测中的应用 被引量：12

9

作者 杜占龙 李小民 +2 位作者 郑宗贵 张国荣 毛琼 《仪器仪表学报》 EI CAS CSCD 北大核心 2015年第7期1546-1553,共8页

为了解决在线贯序极限学习机(OS-ELM)算法容易产生奇异矩阵、算法贯序更新过程中没有考虑训练样本时效性的问题,提出基于l2-正则化和自适应遗忘因子的OS-ELM(RFOS-ELM)算法。RFOS-ELM在初始阶段加入正则化机制,克服因矩阵奇异而降低OS-... 为了解决在线贯序极限学习机(OS-ELM)算法容易产生奇异矩阵、算法贯序更新过程中没有考虑训练样本时效性的问题,提出基于l2-正则化和自适应遗忘因子的OS-ELM(RFOS-ELM)算法。RFOS-ELM在初始阶段加入正则化机制,克服因矩阵奇异而降低OS-ELM泛化能力的缺点。在贯序更新阶段,RFOS-ELM通过引入自适应遗忘因子实时调整新旧训练样本所占比重,推导正则化条件下带遗忘因子RFOS-ELM的递推更新算法,提高其对动态变化系统的跟踪能力。某型无人机机载发射机故障预测实例表明,相比于传统OS-ELM和正则化OS-ELM算法,本文提出方法具有更高的预测精度。 展开更多

关键词 故障预测 时间序列 在线贯序极限学习机 l2-正则化 遗忘机制

在线阅读 下载PDF 职称材料

刮板输送机断链智能监测技术研究 被引量：2

10

作者 李灵锋 张洁 +2 位作者 陈茁 查天任 尹瑞 《工矿自动化》 北大核心 2025年第3期63-69,77,共8页

针对现有基于AI算法的煤矿井下刮板输送机断链监测技术在线学习能力低、检测精度差、稳定性低、复杂场景适应性和可靠性差等问题,通过在极限学习机(ELM)中增加增量式在线训练,设计了可实现离线样本和实时在线样本训练的在线贯序极限学习... 针对现有基于AI算法的煤矿井下刮板输送机断链监测技术在线学习能力低、检测精度差、稳定性低、复杂场景适应性和可靠性差等问题,通过在极限学习机(ELM)中增加增量式在线训练,设计了可实现离线样本和实时在线样本训练的在线贯序极限学习机(OSELM)网络,进而提出了基于OSELM的刮板输送机断链智能监测技术。将经过大量煤矿井下刮板输送机链条监控图像(离线样本)训练的OSELM网络算法写入AI摄像仪,将AI摄像仪安装于刮板输送机机尾,实时感知刮板输送机链条运行状态并进行在线学习,由AI摄像仪输出控制决策,并通过刮板输送机集中控制系统平台实时显示识别结果。井下工业性试验结果表明,OSELM网络具有较高的自主学习能力、较强的泛化性和鲁棒性,对刮板输送机断链识别的平均精度均值、准确率和精确率分别为98.6%,99.3%,91.7%,检测速度达205.6帧/s,整体效果优于深度神经网络融合网络、RT-DETR、YOLOv5、YOLOv8、ELM等模型,实现了刮板输送机链条状态的精准、实时检测。 展开更多

关键词 刮板输送机 链条状态识别 断链监测 AI摄像仪 在线贯序极限学习机网络

在线阅读 下载PDF 职称材料

不平衡数据下船舶主机在线故障诊断研究 被引量：5

11

作者 王泷德 曹辉 魏来 《中国舰船研究》 CSCD 北大核心 2023年第5期269-275,共7页

[目的]针对传统船舶主机的故障诊断模型难以采用实时数据及时更新,且船舶主机还存在监测点多但故障样本少的问题,提出一种能够处理不平衡数据并可以在线更新模型的故障诊断方法。[方法]首先,采用主成分分析法(PCA)对监测样本进行降维和... [目的]针对传统船舶主机的故障诊断模型难以采用实时数据及时更新,且船舶主机还存在监测点多但故障样本少的问题,提出一种能够处理不平衡数据并可以在线更新模型的故障诊断方法。[方法]首先,采用主成分分析法(PCA)对监测样本进行降维和特征提取,降低训练模型的复杂度;然后,通过SMOTETomek构造故障样本以平衡训练集;接着,针对诊断模型难以实时更新的问题,引入结合正则化方法且具备在线更新功能的在线贯序极限学习机(OSELM)模型;最后,以主机燃油系统为例验证OSRELM模型的可行性,并采用不平衡船舶主机数据进行消融实验以验证整体模型的有效性。[结果]结果显示,所提方法在原始模型的基础上可使诊断精度提升29.73%。[结论]研究表明所提方法较其他同类方法具有更高的诊断精度,波动幅度较小,具有较好的稳定性;且在样本不平衡的情况下,对于故障类样本仍具备较强的识别能力,适用于船舶主机故障诊断方面的研究。 展开更多

关键词 故障诊断 样本不平衡 在线学习 在线贯序极限学习机

在线阅读 下载PDF 职称材料

瓦斯浓度动态在线预测模型 被引量：1

12

作者 丰胜成 卢万杰 +2 位作者 徐耀松 孟庭儒 代巍 《辽宁工程技术大学学报（自然科学版）》 CAS 北大核心 2019年第1期1-6,共6页

为有效预测采煤工作面的瓦斯浓度,针对具有高度非线性、不确定性、时变性及复杂性的瓦斯浓度序列,提出在线序贯极限学习机理论的瓦斯浓度动态预测模型,该模型可以实时更新监测信息,并根据历史数据和当前数据进行模型的离线训练和在线学... 为有效预测采煤工作面的瓦斯浓度,针对具有高度非线性、不确定性、时变性及复杂性的瓦斯浓度序列,提出在线序贯极限学习机理论的瓦斯浓度动态预测模型,该模型可以实时更新监测信息,并根据历史数据和当前数据进行模型的离线训练和在线学习以完成对未来时刻瓦斯浓度的动态预测.同时,引入自适应萤火虫算法优化预测模型参数.实验结果表明:该方法通过实时更新样本数据,降低了复杂度,耗时小,学习影射能力强.该模型的预测误差比BPNN和ELM网络模型低,具备良好的预测精度与更强的泛化能力. 展开更多

关键词 瓦斯浓度 动态在线预测 在线序贯极限学习机 萤火虫算法 自适应步长调整

在线阅读 下载PDF 职称材料

山岭隧道洞口段地表沉降时序预测研究 被引量：18

13

作者 王述红 朱宝强 《岩土工程学报》 EI CAS CSCD 北大核心 2021年第5期813-821,I0003,共10页

地表沉降监测值具有复杂性及非线性动态变化特征,以往静态模型预测时常存在易受历史监测数据干扰且模型输入权值及阈值选择较为困难的问题,鉴于此,提出一种洞口段地表沉降动态预测方法。利用3次样条函数插值法将监测数据等距化,并结合... 地表沉降监测值具有复杂性及非线性动态变化特征,以往静态模型预测时常存在易受历史监测数据干扰且模型输入权值及阈值选择较为困难的问题,鉴于此,提出一种洞口段地表沉降动态预测方法。利用3次样条函数插值法将监测数据等距化,并结合时序分析理论和变分模态分解(VMD),将地表沉降分解为趋势项和随机项位移;通过采用灰狼优化算法(GWO)对在线贯序极限学习机模型(OSELM)的权值及阈值进行优化,建立了GWO-OSELM动态预测模型,分别对位移分量进行预测;以重庆市兴隆隧道洞口段为例,利用该模型进行预测,并与传统模型进行对比,最后探讨了激励函数的选择对模型预测性能的影响及随机项位移的部分影响因素。结果表明:非等距时序数据预处理后,模型能够有效地对位移分量进行预测,预测精度高、误差小,且Sigmoid激励函数更适合该模型,而地表沉降速率和拱顶下沉速率对随机项位移有重要影响。可为山岭隧道洞口段地表沉降的长期预测提供一种新的思路和方法。 展开更多

关键词 山岭隧道 地表沉降 非等距时间序列 变分模态分解 灰狼优化 在线贯序极限学习机

在线阅读 下载PDF 职称材料

基于ELM的航空发动机传感器故障诊断方法研究 被引量：3

14

作者 王雷 沈龙云 孙毅刚 《传感器与微系统》 CSCD 2015年第4期16-18,26,共4页

为了在嵌入式ARM11平台中更好地实现航空发动机传感器故障监测与诊断,使用极限学习机(ELM)代替传统的BP网络算法,只需选定隐含层节点数和激活函数,大大减少了BP算法中人为设置大量参数、训练过程慢,并需要不断调整网络参数以及容易陷入... 为了在嵌入式ARM11平台中更好地实现航空发动机传感器故障监测与诊断,使用极限学习机(ELM)代替传统的BP网络算法,只需选定隐含层节点数和激活函数,大大减少了BP算法中人为设置大量参数、训练过程慢,并需要不断调整网络参数以及容易陷入局部最优解的缺点。经过仿真验证对比两种算法,验证ELM算法的优越性。并使用C++编程语言将ELM算法转换成航空发动机传感器故障诊断训练学习软件和诊断软件,经最终测试,该算法软件的测试精度良好,满足诊断需求。 展开更多

关键词 极限学习机 在线贯序极限学习机 航空发动机 传感器故障诊断

在线阅读 下载PDF 职称材料

离散制造系统能耗动态建模与在线预测 被引量：1

15

作者 陈威 王艳 纪志成 《系统仿真学报》 CAS CSCD 北大核心 2023年第4期760-772,共13页

针对传统离散制造系统能耗建模方法难以适应工况复杂多变性的问题,提出一种基于实时数据的能耗在线动态建模方法。分析离散制造系统和加工设备运行机理确定能耗影响因素;提出一种可动态调节隐藏层节点数的在线贯序极限学习机算法来构建... 针对传统离散制造系统能耗建模方法难以适应工况复杂多变性的问题,提出一种基于实时数据的能耗在线动态建模方法。分析离散制造系统和加工设备运行机理确定能耗影响因素;提出一种可动态调节隐藏层节点数的在线贯序极限学习机算法来构建能耗模型,当有实时数据时可快速更新模型;引入伯恩斯坦不等式提高模型的数据筛选能力。通过仿真实验和对比,验证了该方法具有回归精度高、预测误差小且建模用时短的优点,可应用于离散制造系统能耗的动态建模与在线预测场景。 展开更多

关键词 离散制造 能耗预测 在线贯序极限学习机 伯恩斯坦不等式

在线阅读 下载PDF 职称材料

AR-OSELM算法在网络入侵检测中的应用研究 被引量：3

16

作者 魏书宁 陈幸如 +1 位作者 焦永 王进 《信息网络安全》 CSCD 北大核心 2018年第6期1-6,共6页

文章针对增量网络入侵数据属性冗余导致的传统学习算法效率低、检测精度差等问题,提出一种基于粗糙集属性约简的在线序贯极限学习机(AR-OSELM)方法。该方法首先对入侵数据采用粗糙集正域和分辨矩阵的方法获得属性核,筛选出无冗余属性的... 文章针对增量网络入侵数据属性冗余导致的传统学习算法效率低、检测精度差等问题,提出一种基于粗糙集属性约简的在线序贯极限学习机(AR-OSELM)方法。该方法首先对入侵数据采用粗糙集正域和分辨矩阵的方法获得属性核,筛选出无冗余属性的特征集合,然后使用在线序贯极限学习机作为分类算法进行分类。仿真实验结果表明,与BP、ELM及HELM神经网络算法相比,AR-OSELM算法对增量数据的学习和训练效率更高,入侵检测准确,误报率较低。算法有较好的泛化能力,为网络入侵检测提供了一种新的方法。 展开更多

关键词 网络入侵检测 粗糙集 属性约简 在线序贯极限学习机

在线阅读 下载PDF 职称材料

WOS-ELM算法在入侵检测中的研究 被引量：8

17

作者 康松林 刘楚楚 +2 位作者 樊晓平 李宏 杨宁 《小型微型计算机系统》 CSCD 北大核心 2015年第8期1779-1783,共5页

随着信息化建设的深入,网络攻击变得复杂多变,严重威胁着网络安全与信息安全.一个好的入侵检测系统往往要求具有高效性,高速性,智能性,实时性,以及应对不同网络环境在线数据的鲁棒性.基于以上五点要求,提出一种权值更新的在线贯序极限... 随着信息化建设的深入,网络攻击变得复杂多变,严重威胁着网络安全与信息安全.一个好的入侵检测系统往往要求具有高效性,高速性,智能性,实时性,以及应对不同网络环境在线数据的鲁棒性.基于以上五点要求,提出一种权值更新的在线贯序极限学习机算法(WOS-ELM)来应用于网络入侵检测.该算法采用一个一个数据或一块一块数据添加的增量学习算法,将多次迭代求解的神经网络训练转变为一次求解的线性方程组,并通过一种有效的权值赋予的方法来解决网络环境数据不均衡的问题.实验表明,该方法具有很高的正确率,并能在短时间内达到很好的分类效果;较之其他算法,它更适合处理大规模网络实时环境中大量的原始数据,对统计数据依赖性小,对不均衡数据分类具有较好的鲁棒性.因此,基于权值更新的在线贯序极限学习机算法更适应于复杂多变的网络环境下的入侵检测. 展开更多

关键词 网络入侵检测 在线贯序极限学习机 增量学习 权值更新 不均衡数据分类

在线阅读 下载PDF 职称材料

基于混沌灰狼优化算法的氧化铝质量指标预测模型 被引量：10

18

作者 徐辰华 李成县 +1 位作者 王尤军 林小峰 《广西大学学报（自然科学版）》 CAS 北大核心 2016年第6期1869-1878,共10页

针对氧化铝焙烧过程具有强非线性、检测滞后等特点,提出一种基于混沌灰狼优化算法(CGWO)参数优化在线贯序极限学习机(OSELM)的氧化铝质量预测模型。在基于机理分析和变量相关性分析的基础上,选择氧化铝质量指标预测模型的输入变量,采用... 针对氧化铝焙烧过程具有强非线性、检测滞后等特点,提出一种基于混沌灰狼优化算法(CGWO)参数优化在线贯序极限学习机(OSELM)的氧化铝质量预测模型。在基于机理分析和变量相关性分析的基础上,选择氧化铝质量指标预测模型的输入变量,采用在线序贯极限学习机的方法建立模型,并利用改进的混沌灰狼优化算法得到最优的初始权值和隐含层偏差,实现焙烧过程氧化铝质量预测建模。采用工业过程数据对提出的方法进行实验验证,仿真结果表明:所建立的预测模型具有更好的精度,从而验证了方法的有效性。 展开更多

关键词 氧化铝焙烧过程 质量预测 在线贯序极限学习机 Tent混沌 灰狼优化算法

在线阅读 下载PDF 职称材料

基于连接数据分析和OSELM分类器的网络入侵检测系统 被引量：16

19

作者 安尼瓦尔.加马力 亚森.艾则孜 木尼拉.塔里甫 《计算机应用研究》 CSCD 北大核心 2017年第12期3749-3752,共4页

针对网络入侵的实时高效检测问题,提出一种基于网络连接数据分析和在线贯序极限学习机(OSELM)分类器的网络入侵检测系统(IDS)。对入侵数据库中的网络连接数据进行分析,通过特征选择算法选择出最优特征子集;然后,迭代执行交叉验证,并通过... 针对网络入侵的实时高效检测问题,提出一种基于网络连接数据分析和在线贯序极限学习机(OSELM)分类器的网络入侵检测系统(IDS)。对入侵数据库中的网络连接数据进行分析,通过特征选择算法选择出最优特征子集;然后,迭代执行交叉验证,并通过Alpha剖析来缩减样本尺寸,以此减低后续分类器的计算复杂度;最后,利用优化后的样本特征集来训练OSELM分类器,以此构建一个网络实时入侵检测系统。在NSL-KDD和DARPA数据库上的实验结果表明,提出的IDS具有较高的检测率和较低的误报率,同时检测时间较短,符合实时入侵检测的要求。 展开更多

关键词 入侵检测系统 网络连接数据 特征选择 在线贯序极限学习机 Alpha剖析

在线阅读 下载PDF 职称材料

基于优化FAEMD-OSELM的WSN流量预测算法研究 被引量：6

20

作者 熊俊 何宽 +1 位作者 李颖川 郁滨 《仪器仪表学报》 EI CAS CSCD 北大核心 2020年第9期262-270,共9页

针对无线传感器网络(WSN)组合流量预测算法自适应性低、计算复杂度高等不足,提出一种基于优化FAEMD-OSELM的WSN流量预测算法。算法利用快速自适应经验模态分解(FAEMD)将信号分解为一系列本征模态函数和一个残余函数,通过设计自适应滤波... 针对无线传感器网络(WSN)组合流量预测算法自适应性低、计算复杂度高等不足,提出一种基于优化FAEMD-OSELM的WSN流量预测算法。算法利用快速自适应经验模态分解(FAEMD)将信号分解为一系列本征模态函数和一个残余函数,通过设计自适应滤波窗口提高信号分解过程的自适应性。进一步,采用在线贯序极限学习机(OSELM)对信号分量进行训练、预测,运用奇异值分解(SVD)理论优化神经网络的参数和拟合过程,降低计算复杂度。同时,结合样本选择器进一步控制预测误差范围,保证算法的预测精度。实验结果表明,算法在分解效果、耗机时间、预测精度等关键性能指标上具有较为明显的优势。 展开更多

关键词 流量预测 快速自适应经验模态分解 自适应滤波窗口 在线贯序极限学习机 奇异值分解

在线阅读 下载PDF 职称材料