期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到170篇文章
< 1 2 … 9 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于改进多隐层极限学习机的电网虚假数据注入攻击检测 被引量：21
1
作者 席磊 何苗 +1 位作者 周博奇 李彦营 《自动化学报》 EI CAS CSCD 北大核心 2023年第4期881-890,共10页
虚假数据注入攻击(False data injection attacks,FDIA)严重威胁了电力信息物理系统(Cyber-physical system,CPS)的状态估计,而目前大多数检测方法侧重于攻击存在性检测,无法获取准确的受攻击位置.故本文提出了一种基于灰狼优化(Gray wo... 虚假数据注入攻击(False data injection attacks,FDIA)严重威胁了电力信息物理系统(Cyber-physical system,CPS)的状态估计,而目前大多数检测方法侧重于攻击存在性检测,无法获取准确的受攻击位置.故本文提出了一种基于灰狼优化(Gray wolf optimization,GWO)多隐层极限学习机(Multi layer extreme learning machine,ML-ELM)的电力信息物理系统虚假数据注入攻击检测方法.所提方法将攻击检测看作是一个多标签二分类问题,不仅将用于特征提取与分类训练的极限学习机由单隐层变为多隐层,以解决极限学习机特征表达能力有限的问题,且融入了具有强全局搜索能力的灰狼优化算法以提高多隐层极限学习机分类精度和泛化性能.进而自动识别系统各个节点状态量的异常,获取受攻击的精确位置.通过在不同场景下对IEEE-14和57节点测试系统上进行大量实验,验证了所提方法的有效性,且分别与极限学习机、未融入灰狼优化的多隐层极限学习机以及支持向量机(Support vector machine,SVM)相比,所提方法具有更精确的定位检测性能. 展开更多
关键词 电力信息物理系统 虚假数据注入攻击 状态估计 灰狼优化 多隐层极限学习机
在线阅读 下载PDF
基于改进粒子群算法和极限学习机模型的配电网物资需求预测 被引量：1
2
作者 王永利 赵中华 +2 位作者 张一诺 冯天义 刘怡然 《科学技术与工程》 北大核心 2025年第15期6410-6418,共9页
为解决电网物资品种繁多、规格多样、数量巨大、用途广泛、受政策和投资影响大等特点所导致的预测模型构建困难的问题。首先,通过德尔菲法和灰色关联分析法(gray correlation analysis,GRA)筛选影响基建、业扩及抢修项目物资需求数量的... 为解决电网物资品种繁多、规格多样、数量巨大、用途广泛、受政策和投资影响大等特点所导致的预测模型构建困难的问题。首先,通过德尔菲法和灰色关联分析法(gray correlation analysis,GRA)筛选影响基建、业扩及抢修项目物资需求数量的因素。其次,利用引入自适应惯性因子和学习因子的改进粒子群算法调整极限学习机的最佳参数组合,训练各类配网项目物资需求预测模型。最后,以南方电网深圳市某供电局2020—2022年基建项目10 kV电力电缆需求情况为例,将GRA-IPSO-ELM(grey relational analysis,improved particle swarm optimization,and extreme learning machines)德尔菲法和灰色关联分析法模型与常见的4种预测模型的结果进行对比。结果表明,相较于ELM模型、支持向量机模型以及PSO-ELM模型,GRA-IPSO-ELM模型预测准确率得到10.38%、5.37%、3.83%的提升,可见,所提出的模型实现了对配网物资需求数量准确且高效的预测。 展开更多
关键词 物资需求预测 配电网 极限学习机 改进粒子群优化算法
在线阅读 下载PDF
基于改进蜣螂优化算法深度混合核极限学习机的高压断路器故障诊断
3
作者 范兴明 许洪华 +3 位作者 张思舜 李涛 蒋延军 张鑫 《电工技术学报》 北大核心 2025年第12期3994-4003,共10页
针对高压断路器机械故障诊断准确率偏低的问题,该文提出一种基于改进蜣螂优化算法(IDBO)优化深度混合核极限学习机(DHKELM)的故障诊断方法。首先,采用逐次变分模态分解(SVMD)对高压断路器合闸振动信号进行分解,得到若干个含本征频率的... 针对高压断路器机械故障诊断准确率偏低的问题,该文提出一种基于改进蜣螂优化算法(IDBO)优化深度混合核极限学习机(DHKELM)的故障诊断方法。首先,采用逐次变分模态分解(SVMD)对高压断路器合闸振动信号进行分解,得到若干个含本征频率的固有模态分量(IMF);其次,提取各IMF分量的功率谱熵构建特征向量矩阵,并利用t分布-随机邻域嵌入算法(t-SNE)对特征向量进行数据降维;然后,引入融合Tent混沌映射、黄金正弦策略、自适应t分布扰动策略对传统蜣螂优化算法(DBO)进行改进,并使用IDBO对DHKELM进行参数优化,完成IDBO-DHKELM高压断路器故障诊断模型的构建;最后,通过搭建模拟故障的实物断路器实验平台进行验证,结果表明,该文提出的方法在故障诊断上的准确率达到了98.33%,相较于其他故障诊断模型在多项分类评价指标上均有显著提升,为准确、可靠地诊断高压断路器机械故障提供了新方案。 展开更多
关键词 高压断路器 改进蜣螂优化算法 深度混合核极限学习机 故障诊断 逐次变分模 态分解
在线阅读 下载PDF
基于改进北方苍鹰算法与混合核极限学习机的齿轮箱故障诊断 被引量：2
4
作者 杜董生 王梦姣 +1 位作者 冒泽慧 赵环宇 《控制理论与应用》 北大核心 2025年第4期796-804,共9页
针对行星齿轮箱故障诊断问题,本文提出了一种基于改进北方苍鹰优化(INGO)算法与混合核极限学习机(HKELM)的行星齿轮箱故障诊断方法.首先,引入Savitzky-Golay(SG)滤波对齿轮箱原始信号进行去噪.利用时变滤波经验模态分解(TVF-EMD)将去噪... 针对行星齿轮箱故障诊断问题,本文提出了一种基于改进北方苍鹰优化(INGO)算法与混合核极限学习机(HKELM)的行星齿轮箱故障诊断方法.首先,引入Savitzky-Golay(SG)滤波对齿轮箱原始信号进行去噪.利用时变滤波经验模态分解(TVF-EMD)将去噪后的信号分解成多个本征模态函数(IMF),使用方差贡献率、相关系数和信息熵筛选出最优的IMF.将最优IMF重构后,对重构信号进行时间同步平均(TSA)去噪以减少故障诊断模型的数据计算量.将Tent混沌映射、混合正弦余弦算法和Levy飞行策略用于改进北方苍鹰优化(NGO)算法,得到一种新的INGO算法.同时,引入余弦因子以平衡正弦余弦算法的全局和局部开发能力.最后,利用INGO算法对HKELM进行优化,用以提高HKELM模型的故障诊断准确率.将所提方法应用于两个案例对模型进行检验,实验结果表明,本文所提方法具有可行性和优越性. 展开更多
关键词 混合核极限学习机 改进北方苍鹰优化算法 时变滤波经验模态分解 故障诊断
在线阅读 下载PDF
基于反向鲸鱼-多隐层极限学习机的电网FDIA检测 被引量：5
5
作者 席磊 王艺晓 +2 位作者 何苗 程琛 田习龙 《中国电力》 CSCD 北大核心 2024年第9期20-31,共12页
针对目前已有的电力信息物理系统虚假数据注入攻击检测方法由于特征表达能力有限,而导致无法精确获取受攻击位置的问题,提出一种基于反向学习鲸鱼优化多隐层极限学习机的虚假数据注入攻击定位检测方法。所提方法不仅将极限学习机拓展为... 针对目前已有的电力信息物理系统虚假数据注入攻击检测方法由于特征表达能力有限,而导致无法精确获取受攻击位置的问题,提出一种基于反向学习鲸鱼优化多隐层极限学习机的虚假数据注入攻击定位检测方法。所提方法不仅将极限学习机拓展为多隐层神经网络,解决其特征表达能力有限的问题,而且引入鲸鱼优化算法对多隐层极限学习机的各隐层神经元个数进行寻优并采用反向学习策略提高其收敛速度和检测精度,以防止随机确定各隐层神经元个数对检测方法的泛化性能和定位检测结果造成影响。通过在不同场景下对IEEE-14和57节点测试系统进行大量实验,验证了所提方法能够通过历史数据自动识别受攻击的系统状态量所对应的精确位置。与其他多种方法相比,所提方法具有更优的精度、召回率和F1值。 展开更多
关键词 电力信息物理系统 虚假数据注入攻击 多隐层极限学习机 鲸鱼优化 反向学习
在线阅读 下载PDF
基于最小二乘孪生极限学习机的水电系统发电能力预测方法
6
作者 李旻 孙大雁 +3 位作者 梁志峰 过夏明 吴刚 苗树敏 《水利水电技术(中英文)》 北大核心 2025年第8期162-174,共13页
【目的】针对传统水电发电能力预测精度低、稳定性差等问题。【方法】提出了耦合模态分解、机器学习和群体智能的水电系统发电能力混合预测模型。首先,利用逐次变分模态分解法(SVMD)对原始出力序列进行分解降噪,提取出多尺度特征信号进... 【目的】针对传统水电发电能力预测精度低、稳定性差等问题。【方法】提出了耦合模态分解、机器学习和群体智能的水电系统发电能力混合预测模型。首先,利用逐次变分模态分解法(SVMD)对原始出力序列进行分解降噪,提取出多尺度特征信号进行分类建模;随后,采用最小二乘孪生极限学习机(LSTELM)对各分解信号进行预测建模,同时运用改进灰狼优化算法(IGWO)对模型参数进行优化,以提升模型的预测性能;最后对各子序列预测结果进行集成,叠加得到最终的预测结果。【结果】结果显示:所提方法在三个水电站中的预测结果精准可靠。在池潭水电站中,预见期为1 d时,所提模型在直接策略和多输入多输出策略中预测结果的纳什系数(NSE)指标较极限学习机模型分别提高了12.88%和12.11%。预见期由1 d增长至8 d时,传统方法预测结果的NSE指标由0.8840和0.8885逐渐降低到0.5735和0.5671,而本文所提两种策略预测结果分别由0.9979和0.9961逐渐降低到0.9423和0.9286。【结论】结果表明:所提模型在复杂水电系统发电能力预测中具有较强的稳定性和泛化能力,SVMD有效降低了发电能力序列的噪声影响,最小二乘法和孪生结构提升了LSTELM模型的泛化能力,SVMD-IGWO-LSTELM模型在水文特性稳定的水电站预测精度更高,在水文特性复杂的水电站预测能力略有下降但依旧保持高精度,为变化环境下水电系统发电能力预测提供有效方法。 展开更多
关键词 逐次变分模态分解法 发电出力 最小二乘孪生极限学习机 改进灰狼优化算法 影响因素
在线阅读 下载PDF
基于分数阶优化的极限学习机交通流短时预测模型
7
作者 李卓轩 何桂仲 +1 位作者 卫一恒 曹进德 《控制理论与应用》 北大核心 2025年第6期1191-1199,共9页
在智能交通系统中,交通流预测在交通管理和减少拥堵方面发挥着关键作用.本文旨在开发一种高效、非迭代的神经网络方法用于交通流短时预测,该方法被称为改进分数阶极限学习机(IFra-ELM).通过分数岭回归算法,使得ELM算法在求解输出权重时... 在智能交通系统中,交通流预测在交通管理和减少拥堵方面发挥着关键作用.本文旨在开发一种高效、非迭代的神经网络方法用于交通流短时预测,该方法被称为改进分数阶极限学习机(IFra-ELM).通过分数岭回归算法,使得ELM算法在求解输出权重时具有更好的性能,该方法被称为分数极限学习机(Fra-ELM).在输入层之后添加改进分数阶累加层,将与原始输入进行拼接,增强了ELM算法的特征提取能力.通过改进分数阶累加层与分数极限学习机相结合,增强了模型对于不同场景下交通流的预测能力和鲁棒性.实验结果表明,与传统方法相比,IFraELM模型在交通流预测方面具有优越的性能.该框架有潜力提高交通预测系统的准确性和效率,有助于智能交通基础设施的发展. 展开更多
关键词 交通流预测 神经网络 分数阶累加 改进分数阶极限学习机
在线阅读 下载PDF
基于改进集成多隐层小波极限学习神经网络的滚动轴承故障识别研究 被引量：4
8
作者 赵凡超 戴石良 +2 位作者 房华伟 张丽敏 刘伟 《机电工程》 CAS 北大核心 2021年第9期1152-1159,共8页
由于强噪声和非线性、非平稳性等特性,导致滚动轴承振动信号存在难以提取和其工况状态难以辨识的问题,对此提出了一种基于改进集成多隐层小波极限学习神经网络的滚动轴承故障识别模型。首先,使用了谱分割小波变换,将采集到的滚动轴承振... 由于强噪声和非线性、非平稳性等特性,导致滚动轴承振动信号存在难以提取和其工况状态难以辨识的问题,对此提出了一种基于改进集成多隐层小波极限学习神经网络的滚动轴承故障识别模型。首先,使用了谱分割小波变换,将采集到的滚动轴承振动信号分解为若干本征模态分量;然后,选择了较能反映轴承运行工况特征的模态分量,并加以了重构;最后,利用了不同小波函数设计了不同的多隐层小波极限学习神经网络,并加入了卷积机制,将重构后的信号输入不同的深层网络,进行了特征学习与故障识别,利用集成方法得到了最后的滚动轴承故障识别结果。研究结果表明:提出方法的平均故障识别准确率达到99.42%,标准差仅为0.11;该方法自动特征提取能力和工况识别能力优于深度稀疏自动编码器、深度降噪自动编码器和深度信念网络等深度学习方法,适用于滚动轴承故障的自动识别。 展开更多
关键词 滚动轴承 集成学习 故障识别 极限学习机 小波变换 改进集成多隐层小波极限学习神经网络
在线阅读 下载PDF
基于多隐层极限学习机的文本分类方法 被引量：4
9
作者 冀俊忠 庞皓明 +1 位作者 杨翠翠 刘金铎 《北京工业大学学报》 CAS CSCD 北大核心 2019年第6期534-545,共12页
针对正则化极限学习机处理高维文本数据时文本特征表示能力不足的问题,提出了一种基于多隐层极限学习机的文本分类方法.首先,使用极限学习机自编码器的压缩表示对高维文本数据进行降维处理.然后,通过多隐层极限学习机的多隐层结构提取... 针对正则化极限学习机处理高维文本数据时文本特征表示能力不足的问题,提出了一种基于多隐层极限学习机的文本分类方法.首先,使用极限学习机自编码器的压缩表示对高维文本数据进行降维处理.然后,通过多隐层极限学习机的多隐层结构提取出高层文本特征并通过最小二乘的方法对文本数据进行分类.与多个算法的实验对比表明,该算法在20newsgroup、Reuters和复旦大学中文语料库这3个数据集上都具有良好的分类性能. 展开更多
关键词 文本分类 高维文本 多隐层极限学习机 极限学习机自编码器 特征映射 神经网络
在线阅读 下载PDF
多极小波包变换与改进浣熊算法优化的混合核极限学习机径流预测 被引量：4
10
作者 刀海娅 程刚 崔东文 《中国农村水利水电》 北大核心 2024年第6期1-9,20,共10页
为提高日径流多步预测精度,减少模型计算规模,同时提升浣熊优化(COA)算法和混合核极限学习机(HKELM)性能,提出多极小波包变换(MWPT)-改进COA算法(ICOA)-HKELM日径流时间序列预测模型。首先,利用MWPT将日径流时序数据分解为1个低频分量和... 为提高日径流多步预测精度,减少模型计算规模,同时提升浣熊优化(COA)算法和混合核极限学习机(HKELM)性能,提出多极小波包变换(MWPT)-改进COA算法(ICOA)-HKELM日径流时间序列预测模型。首先,利用MWPT将日径流时序数据分解为1个低频分量和2个高频分量,并构建局部高斯径向基核函数和全局多项式核函数相混合的HKELM;其次,简要介绍COA算法原理,基于Circle映射等策略对COA进行改进,提出ICOA算法,通过8个典型函数对ICOA算法进行仿真验证,并与基本COA算法、鲸鱼优化算法(WOA)、灰狼优化算法(GWO)作对比,旨在验证ICOA算法的优化性能;最后,利用ICOA优化HKELM超参数(正则化参数、核参数、权重系数),建立MWPT-ICOA-HKELM模型,并构建MWPT-COA-HKELM、MWPT-WOA-HKELM、MWPT-GWO-HKELM、小波包变换(WPT)-ICOA-HKELM、小波变换(WT)-ICOA-HKELM、MWPT-ICOA-BP模型作对比分析,通过云南省景东、把边水文站2016-2020年日径流时间序列多步预测实例对各模型进行验证。结果表明:(1)ICOA具有较好的改进效果,仿真精度优于COA、WOA、GWO算法。(2)MWPT-ICOA-HKELM模型预测效果优于其他对比模型,其对实例单步预测效果“最好”,超前3步和超前5步“较好”,超前7步“较差”,预测精度随预测步长的增加而降低。(3)利用ICOA优化HKELM超参数,可显著提高HKELM预测性能,超参数优化效果优于COA、WOA、GWO算法。 展开更多
关键词 日径流预测 多极小波包变换 改进浣熊优化算法 混合核极限学习机 超参数优化
在线阅读 下载PDF
基于集成神经网络和改进极限学习机的矿井移动机器人故障检测
11
作者 郑伦川 梁新元 袁乖宁 《金属矿山》 CAS 北大核心 2024年第6期159-164,共6页
矿井移动机器人作为一种自主运动的智能设备,广泛应用于采矿、输送和装载等工作中。然而,由于其在恶劣环境下运行,往往长时间无法得到检修维护,导致故障频发,影响了井下安全高效生产。如何及时准确地对机器人进行故障检测,提高其可靠性... 矿井移动机器人作为一种自主运动的智能设备,广泛应用于采矿、输送和装载等工作中。然而,由于其在恶劣环境下运行,往往长时间无法得到检修维护,导致故障频发,影响了井下安全高效生产。如何及时准确地对机器人进行故障检测,提高其可靠性和生产效率成为一个亟待解决的问题。提出了一种基于集成神经网络和改进极限学习机的矿井移动机器人故障检测方法。该方法融合了多个神经网络模型,并通过改进极限学习机算法来提高检测精度和效率。首先,基于集成学习思想将传统卷积神经网络、递归神经网络和自编码器等多个预训练模型集成为一个更强大的检测模型。其次,在极限学习机的基础上引入了自适应权重调整策略,提高了算法的自适应能力和准确性。将所提出的方法在某矿山数据集上进行了试验,结果表明:该方法在检测区分度较低或异常数据较多的情况下性能优异,有助于实现高精度和高效率的故障检测。 展开更多
关键词 矿井移动机器人 故障检测 集成神经网络 改进极限学习机
在线阅读 下载PDF
用于大数据分类的快速隐层优化分布式极限学习机 被引量：13
12
作者 易明雨 肖赤心 +1 位作者 潘晖 舒文杰 《计算机工程与应用》 CSCD 北大核心 2019年第16期165-169,203,共6页
针对大数据分类问题应用设计了一种快速隐层优化方法来解决分布式超限学习机(Extreme Learning Machine,ELM)在训练过程中存在的突出问题--需要独立重复运行多次才能优化隐层结点个数或模型泛化性能。在不增加算法时间复杂度的前提下,... 针对大数据分类问题应用设计了一种快速隐层优化方法来解决分布式超限学习机(Extreme Learning Machine,ELM)在训练过程中存在的突出问题--需要独立重复运行多次才能优化隐层结点个数或模型泛化性能。在不增加算法时间复杂度的前提下,新算法能同时训练多个ELM隐层网络,全面兼顾模型泛化能力和隐层结点个数的优化,并通过分布式计算避免大量重复计算。同时,在算法求解过程中通过这种方式能更精确、更直观地学习隐含层结点个数变化带来的影响。比较多种类型标准测试函数的实验结果,相对于分布式ELM,新算法在求解精度、泛化能力、稳定性上大大提高。 展开更多
关键词 分类 极限学习机 泛化能力 隐层优化
在线阅读 下载PDF
基于改进Fisher准则与极限学习机集成的图像隐写分析 被引量：2
13
作者 曹镇 张敏情 +1 位作者 牛向洲 刘佳 《科学技术与工程》 北大核心 2017年第18期89-95,共7页
集成分类器是目前图像隐写分析中广泛使用的分类器。针对集成分类器中基分类器受离群样本影响较大,集成策略效果不佳的缺点,提出一种基于改进Fisher准则与极限学习机集成的图像隐写分析算法。首先,通过重新定义类内散度矩阵以提高Fishe... 集成分类器是目前图像隐写分析中广泛使用的分类器。针对集成分类器中基分类器受离群样本影响较大,集成策略效果不佳的缺点,提出一种基于改进Fisher准则与极限学习机集成的图像隐写分析算法。首先,通过重新定义类内散度矩阵以提高Fisher准则模型的准确性,之后基于改进的Fisher准则并使用Bagging算法训练若干基分类器,最后使用极限学习机作为元分类器来建立基分类器集合与正确决策之间的联系。实验结果表明,在不同的隐写算法与嵌入率的条件下,与传统集成分类器和基于选择性集成的集成分类器相比,所提算法降低了3.5%与1.8%的检测错误率,说明能够有效提高集成分类器的检测精度。 展开更多
关键词 隐写分析 集成分类器 基分类器 FISHER准则 极限学习机
在线阅读 下载PDF
基于改进遗传算法优化极限学习机的短期电力负荷预测 被引量：39
14
作者 律方成 刘怡 +3 位作者 亓彦珣 燕跃豪 张建涛 谢庆 《华北电力大学学报（自然科学版）》 CAS 北大核心 2018年第6期1-7,共7页
负荷预测效果直接影响电网的安全稳定和经济效益,是电网调度的重要组成内容。针对极限学习机随机产生输入层权值和隐含层阈值导致网络模型不稳定的问题,提出了一种基于改进遗传算法优化极限学习机的负荷预测方法。利用爬山法改进的遗传... 负荷预测效果直接影响电网的安全稳定和经济效益,是电网调度的重要组成内容。针对极限学习机随机产生输入层权值和隐含层阈值导致网络模型不稳定的问题,提出了一种基于改进遗传算法优化极限学习机的负荷预测方法。利用爬山法改进的遗传算法对极限学习机的权值和阈值进行优化,以获得稳定性强,预测精度高的优化模型。并将此模型与BP网络、极限学习机的预测结果进行对比,仿真实验结果表明,改进模型具有较快的训练速度和更为准确的预测结果,适应于影响因素众多,数据量巨大的现代短期电力负荷预测。 展开更多
关键词 极限学习机 改进遗传算法 BP算法 负荷预测 短期
在线阅读 下载PDF
基于多层极限学习机的电能质量扰动多标签分类算法 被引量：25
15
作者 靳果 朱清智 +1 位作者 孟阳 闫奇 《电力系统保护与控制》 EI CSCD 北大核心 2020年第8期96-105,共10页
电力系统中电能质量扰动分类特征选择标准不统一、泛化能力差、分类效果与分类效率有待提高。为了解决这些问题,一方面,引入多层极限学习机自编码器,优化输入权重,完成电能质量扰动信号的特征提取。另一方面,引入多标签排位分类算法,充... 电力系统中电能质量扰动分类特征选择标准不统一、泛化能力差、分类效果与分类效率有待提高。为了解决这些问题,一方面,引入多层极限学习机自编码器,优化输入权重,完成电能质量扰动信号的特征提取。另一方面,引入多标签排位分类算法,充分考虑各标签之间的相关性,完成电能质量扰动的分类。基于两种算法,设计出基于多层极限学习机的多标签分类模型,并得到多层极限学习机的最优网络结构和多标签分类的最佳分类阈值。实验结果表明,所提方法适用于电能质量单一扰动和复合扰动的分类,改善了分类效果和分类效率,具有较高的分类精度、良好的抗噪能力和泛化能力。 展开更多
关键词 电能质量 扰动分类 多层极限学习机 多标签分类
在线阅读 下载PDF
多层极限学习机在入侵检测中的应用 被引量：18
16
作者 康松林 刘乐 +1 位作者 刘楚楚 廖锓 《计算机应用》 CSCD 北大核心 2015年第9期2513-2518,共6页
针对神经网络在入侵检测应用存在的维度高、数据大、获取标记样本难、特征构造难、训练难等问题,提出了一种基于深度多层极限学习机(ML-ELM)的入侵检测方法。首先,采用多层网络结构和深度学习方法抽取检测样本最高层次的抽象特征,用奇... 针对神经网络在入侵检测应用存在的维度高、数据大、获取标记样本难、特征构造难、训练难等问题,提出了一种基于深度多层极限学习机(ML-ELM)的入侵检测方法。首先,采用多层网络结构和深度学习方法抽取检测样本最高层次的抽象特征,用奇异值对入侵检测数据进行特征表达;然后,利用极限学习机(ELM)建立入侵检测数据的分类模型;其次,利用逐层的无监督学习方法解决入侵检测获取标记样本难的问题;最后采用KDD99数据集对该方法的性能进行了验证。实验结果表明:多层极限学习机的方法提高了检测正确率,检测漏报率也低至0.48%,检测速度比其他深度模型的检测方法提高了6倍以上。同时在极少标记样本的情况下仍有85%以上的正确率。通过多层网络结构的构建提高了对U2L、R2L这两类攻击的检测率。该方法集成深度学习和无监督学习的优点,能对高维度,大数据的网络记录用较少的参数得到更好的表达,在入侵检测的检测速度以及特征表达两个方面都具有优势。 展开更多
关键词 入侵检测 高维度 大数据 标记样本 特征构造 训练 多层极限学习机
在线阅读 下载PDF
基于改进灰狼算法和多核极限学习机的铁水硅含量预测建模 被引量：17
17
作者 方一鸣 赵晓东 +2 位作者 张攀 刘乐 王硕玉 《控制理论与应用》 EI CAS CSCD 北大核心 2020年第7期1644-1654,共11页
针对高炉铁水硅含量难以在线检测的问题,本文提出一种基于改进灰狼算法(IGWO)优化的多核极限学习机(MKELM)高炉铁水硅含量预测建模方法.首先,针对灰狼算法(GWO)寻优能力的不足,将最优-最差正交反向学习(OWOOBL)策略应用于灰狼算法的位... 针对高炉铁水硅含量难以在线检测的问题,本文提出一种基于改进灰狼算法(IGWO)优化的多核极限学习机(MKELM)高炉铁水硅含量预测建模方法.首先,针对灰狼算法(GWO)寻优能力的不足,将最优-最差正交反向学习(OWOOBL)策略应用于灰狼算法的位置更新,得到一种改进灰狼优化算法.通过10种标准函数对所提算法进行仿真测试,结果表明此算法具有更好的寻优能力.其次,针对单核极限学习机(KELM)回归能力不足,将不同种类的核函数加权组合,并采用改进灰狼算法对多核极限学习机中的加权系数等参数进行优化.最后,基于某钢厂的实测数据对高炉铁水硅含量进行预测建模,仿真结果表明,本文所提方法的预测效果优于反向传播神经网络(BP-NN)、极限学习机(ELM)、KELM和GWO-MKELM,对高炉炼铁具有较好的指导意义. 展开更多
关键词 改进灰狼优化算法 最优-最差正交反向学习 多核极限学习机 铁水硅含量 预测建模
在线阅读 下载PDF
基于改进粒子群优化算法和极限学习机的混凝土坝变形预测 被引量：34
18
作者 李明军 王均星 王亚洲 《天津大学学报（自然科学与工程技术版）》 EI CSCD 北大核心 2019年第11期1136-1144,共9页
混凝土坝变形预测是评价大坝运行状态和预测大坝行为的重要方法.但是,混凝土坝的随机荷载和强非线性变形限制了传统多元线性回归模型的应用.而人工神经网络模型则对复杂和高度非线性行为具有良好适应性.针对基于梯度下降法的常规神经网... 混凝土坝变形预测是评价大坝运行状态和预测大坝行为的重要方法.但是,混凝土坝的随机荷载和强非线性变形限制了传统多元线性回归模型的应用.而人工神经网络模型则对复杂和高度非线性行为具有良好适应性.针对基于梯度下降法的常规神经网络模型收敛速度慢和过度拟合等问题,提出了一种基于改进型粒子群优化算法选取极限学习机(ELM-IPSO)最优参数的大坝变形预测模型.针对传统粒子群算法搜索时间长、容易陷入局部最优的特点,采用自适应惯性权重和动态调整学习因子,对粒子群算法进行了改进.研究表明,IPSO算法提高了粒子群优化的全局搜索能力,提高了计算效率.应用IPSO优化ELM模型的初始权值和阈值.通过东江混凝土拱坝的实测资料,验证ELM-IPSO模型的预测性能.将计算结果与BPNN模型、ELM模型和传统ELM-PSO模型的结果进行比较.BPNN模型、ELM模型、ELM-PSO模型和ELM-IPSO模型的平方相关系数R2分别为89.15%、91.13%、93.87%和94.36%.ELM模型的R2大于BPNN模型,说明ELM模型比常规的BPNN模型预测精度更高,泛化性能更好.ELM-PSO模型的预测精度大于ELM模型,说明PSO对ELM的优化在提高预测精度方面具有良好的作用.4个模型中,ELM-IPSO模型的R^2最大,预测精度最高,这表明提出的ELM-IPSO模型能够有效提高混凝土坝变形的预测能力. 展开更多
关键词 混凝土大坝变形 极限学习机 BP神经网络 改进的粒子群优化算法
在线阅读 下载PDF
基于改进花授粉算法和极限学习机的锅炉NO_x排放优化 被引量：13
19
作者 牛培峰 李进柏 +2 位作者 刘楠 李国强 王荣彦 《动力工程学报》 CAS CSCD 北大核心 2018年第10期782-787,共6页
为降低电站锅炉NO_x排放质量浓度,对花授粉算法中转换概率和局部搜索进行修改,得到改进的花授粉算法,利用改进花授粉算法和极限学习机以某330 MW燃煤锅炉运行历史数据为基础建立锅炉NO_x排放特性模型;基于所建模型,采用改进花授粉算法... 为降低电站锅炉NO_x排放质量浓度,对花授粉算法中转换概率和局部搜索进行修改,得到改进的花授粉算法,利用改进花授粉算法和极限学习机以某330 MW燃煤锅炉运行历史数据为基础建立锅炉NO_x排放特性模型;基于所建模型,采用改进花授粉算法对燃煤锅炉运行时可调参数进行寻优来优化NO_x排放质量浓度。结果表明:相比于BP神经网络模型和极限学习机模型,所建NO_x排放特性模型的预测精度更高,改进的花授粉算法优化后的NO_x排放质量浓度明显低于花授粉算法,为燃煤锅炉降低NO_x排放质量浓度提供了参考。 展开更多
关键词 燃烧优化 NOx 极限学习机 改进的花授粉算法
在线阅读 下载PDF
一种改进灵敏度分析的在线自适应极限学习机算法 被引量：7
20
作者 翟华伟 崔立成 张维石 《小型微型计算机系统》 CSCD 北大核心 2019年第7期1386-1390,共5页
针对极限学习机及其改进算法计算复杂、自适应调整能力弱等问题,深入分析隐节点灵敏度计算方法,引入贡献度的相关思想,提出改进的灵敏度计算方法,以符合大众认知.在保证训练预测精度的前提下,提出改进的极限学习机算法,通过自适应删除... 针对极限学习机及其改进算法计算复杂、自适应调整能力弱等问题,深入分析隐节点灵敏度计算方法,引入贡献度的相关思想,提出改进的灵敏度计算方法,以符合大众认知.在保证训练预测精度的前提下,提出改进的极限学习机算法,通过自适应删除和增加隐节点,控制隐节点数量,降低算法复杂度.实验结果表明,相比传统极限学习机及其改进算法,本文提出的算法在训练时间和预测精度等都有有效提高. 展开更多
关键词 灵敏度 隐节点 极限学习机 贡献度
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 9 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部