基于3种新型群体智能算法优化正则化极限学习机的三峡水库入库日径流预测 被引量：5

1

作者 张代凤 崔东文 《长江科学院院报》 CSCD 北大核心 2024年第7期16-24,共9页

准确预测的入库日径流在水库优化调度中发挥着重要作用。为提高预测精度,提出一种基于小波包变换(WPT)和蜣螂优化(DBO)算法、珍鲹优化(GTO)算法、泥环算法(MRA)优化正则化极限学习机(RELM)的预测模型,并将其应用于三峡水库入库日径流预... 准确预测的入库日径流在水库优化调度中发挥着重要作用。为提高预测精度,提出一种基于小波包变换(WPT)和蜣螂优化(DBO)算法、珍鲹优化(GTO)算法、泥环算法(MRA)优化正则化极限学习机(RELM)的预测模型,并将其应用于三峡水库入库日径流预测研究。首先,利用WPT将三峡水库入库日径流时间序列分解为1个周期项分量和1个波动项分量;其次,利用DBO、GTO、MRA分别优化RELM输入层权值和隐含层偏差,建立WPT-DBO-RELM、WPT-GTO-RELM、WPT-MRA-RELM模型;最后,利用所建立的3种模型分别对入库日径流周期项分量和波动项分量进行预测和重构,并构建基于极限学习机(ELM)的WPT-DBO-ELM、WPT-GTO-ELM、WPT-MRA-ELM模型、基于BP神经网络的WPT-DBO-BP、WPT-GTO-BP、WPT-MRA-BP模型、未经优化的WPT-RELM、WPT-ELM、WPT-BP模型和未经分解的DBO-RELM、GTO-RELM、MRA-RELM模型作对比分析模型。结果表明:①WPT-DBO-RELM、WPT-GTO-RELM、WPT-MRA-RELM模型对三峡水库入库日径流预测的平均绝对百分比误差MAPE分别为0.512%、0.519%、0.762%,平均绝对误差MAE分别为54.05、55.97、86.76 m^(3)/s,均方根误差RMSE分别为84.99、84.81、128.18 m^(3)/s,决定系数DC≥0.9994,希尔不等系数TIC≤0.00517,预测效果优于其他12种模型,具有更高的预测精度和更好的泛化能力。②DBO、GTO、MRA能有效优化RELM网络参数,显著提高RELM预测性能。③引入正则化项的RELM可有效防止预测模型过拟合,提高模型的泛化能力,预测性能优于ELM、BP网络。④所构建的3种模型预测精度高、计算规模小,是一种有效的入库日径流时间序列预测模型。 展开更多

关键词 日径流预测 正则化极限学习机 蜣螂优化算法 珍鲹优化算法 泥环算法 小波包变换 三峡水库

在线阅读 下载PDF 职称材料

基于QPSO正则化极限学习机的轴承故障诊断 被引量：5

2

作者 刘鑫 任海莉 《组合机床与自动化加工技术》 北大核心 2021年第3期36-40,共5页

从复杂的振动信号中提取有效的故障特征并且得到准确的分类结果,建立可靠的故障诊断方法一直都是滚动轴承故障诊断研究中的关键课题。文章提出一种改进的正则化极限学习机(Regularized Extreme Learning Machine,RELM)应用于降噪自动编... 从复杂的振动信号中提取有效的故障特征并且得到准确的分类结果,建立可靠的故障诊断方法一直都是滚动轴承故障诊断研究中的关键课题。文章提出一种改进的正则化极限学习机(Regularized Extreme Learning Machine,RELM)应用于降噪自动编码器(Denoising AutoEncoder,DAE)的故障分类方法。首先,将振动信号经过快速傅里叶变换得到的频域系数作为高维数据,然后利用堆叠降噪自动编码器(Stacked Denoising Autoencoders,SDAE)对高维数据进行学习,提取更具鲁棒性的特征,再将该特征作为RELM的输入进行分类,得到故障诊断模型。针对RELM中正则化参数选取困难问题,采用量子粒子群优化算法(Quantum-behaved particle swarm optimization,QPSO)进行参数优化。实验结果表明,基于SDAE-RELM的诊断方法在泛化性和故障识别率都优于SDAE和其他分类算法结合的故障识别方法。 展开更多

关键词 滚动轴承 降噪自动编码器 正则化极限学习机 特征提取

在线阅读 下载PDF 职称材料

基于天牛群优化与改进正则化极限学习机的网络入侵检测 被引量：25

3

作者 王振东 刘尧迪 +2 位作者 杨书新 王俊岭 李大海 《自动化学报》 EI CAS CSCD 北大核心 2022年第12期3024-3041,共18页

正则化极限学习机(Regularized extreme learning machine,RELM)因其极易于实现、训练速度快等优点在诸多领域均取得了成功应用.对此,本文将RELM引入到入侵检测中,设计了天牛群优化算法(Beetle swarm optimization,BSO),并针对RELM由于... 正则化极限学习机(Regularized extreme learning machine,RELM)因其极易于实现、训练速度快等优点在诸多领域均取得了成功应用.对此,本文将RELM引入到入侵检测中,设计了天牛群优化算法(Beetle swarm optimization,BSO),并针对RELM由于随机初始化参数带来的潜在缺陷,提出基于天牛群优化与改进正则化极限学习机(BSO-IRELM)的网络入侵检测算法.使用LU分解求解RELM的输出权值矩阵,进一步缩短了RELM的训练时间,同时利用BSO对RELM的权值和阈值进行联合优化.为避免BSO算法陷入局部最优,引入Tent映射反向学习、莱维飞行的群体学习与动态变异策略提升优化性能.实验结果表明,在机器学习UCI数据集上,相比于RELM、IRELM、GA-IRELM、PSO-IRELM等算法,BSO-IRELM的数据分类性能提升明显.最后,将BSO-IRELM应用于网络入侵检测数据集NSL-KDD,并与BP(Back propagation)、LR(Logistics regression)、RBF(Radial basis function)、AB(AdaBoost)、SVM(Support vector machine)、RELM、IRELM等算法进行了对比,结果证明BSO-IRELM算法在准确率、精确率、真正率和假正率等指标上均具有明显优势. 展开更多

关键词 入侵检测 正则化极限学习机 LU分解 天牛群优化算法

在线阅读 下载PDF 职称材料

基于流形正则化极限学习机的文本分类算法研究 被引量：6

4

作者 庞皓明 冀俊忠 +1 位作者 刘金铎 姚垚 《计算机工程》 CAS CSCD 北大核心 2019年第6期242-248,共7页

基于极限学习机的文本分类方法在对输入的文本特征进行随机映射时,会呈现一种非线性的几何结构,利用最小二乘法无法对其进行求解,影响文本的分类性能。为此,引入一种新的流形正则化思想,提出基于极限学习机的改进算法。利用拉普拉斯特... 基于极限学习机的文本分类方法在对输入的文本特征进行随机映射时,会呈现一种非线性的几何结构,利用最小二乘法无法对其进行求解,影响文本的分类性能。为此,引入一种新的流形正则化思想,提出基于极限学习机的改进算法。利用拉普拉斯特征映射保持输入文本特征的几何结构。基于样本的类别信息对样本点之间的距离进行修正,优先选择类别相同的样本点,以改善分类性能。在Reuters和20newsgroup数据集上的实验结果表明,与正则化极限学习机算法、AdaBELM算法等相比,该算法分类性能较好,F1-measure值可达91.42%。 展开更多

关键词 文本分类 监督学习 正则化极限学习机 流形正则化 特征映射

在线阅读 下载PDF 职称材料

多样性正则化极限学习机的集成方法 被引量：3

5

作者 陈洋 王士同 《计算机科学与探索》 CSCD 北大核心 2022年第8期1819-1828,共10页

极限学习机(ELM)是一种单隐层前向网络的训练算法,随机确定输入层权值和隐含层偏置,通过分析的方法确定输出层的权值,ELM克服了基于梯度的学习算法的很多不足,如局部极小、不合适的学习速率、学习速度慢等,却不可避免地造成了过拟合的... 极限学习机(ELM)是一种单隐层前向网络的训练算法,随机确定输入层权值和隐含层偏置,通过分析的方法确定输出层的权值,ELM克服了基于梯度的学习算法的很多不足,如局部极小、不合适的学习速率、学习速度慢等,却不可避免地造成了过拟合的隐患且稳定性较差,特别是对于规模较大的数据集。针对上述问题,提出多样性正则化极限学习机(DRELM)的集成方法。首先,从改变隐层节点参数的分布来为每个ELM随机选取输入权重,采用LOO交叉验证方法和MSE^(PRESS)方法来寻找每个基学习器的最优隐节点数,计算并输出最优隐含层输出权重,训练出较好且具有差异性的基学习器。然后,将有关多样性的新惩罚项显式添加到整个目标函数中,迭代更新每个基学习器的隐含层输出权重并输出结果。最后,集成所有基学习器的输出结果对其求平均值,得到整个网络模型最后的输出结果。该方法能够有效地实现多样性正则化极限学习机(RELM)的融合,兼顾准确率和多样性。在10个不同规模的UCI数据集上的实验结果表明所提出的方法是行之有效的。 展开更多

关键词 极限学习机(ELM) 集成学习 多样性 正则化极限学习机(RELM)

在线阅读 下载PDF 职称材料

基于改进极限学习机的转炉出钢合金化锰收得率预测模型 被引量：11

6

作者 周凯啸 林文辉 +3 位作者 孙建坤 冯小明 方炜 刘青 《中南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2021年第5期1399-1406,共8页

针对转炉炼钢出钢合金化过程合金的加入量偏差较大的问题,为更精确地控制合金加入量,以某钢厂冶炼HRB400钢出钢过程加入硅锰合金为例,建立基于极限学习机算法的Mn元素收得率预测模型,并引入正则化方法和改进粒子群算法(IPSO)对极限学习... 针对转炉炼钢出钢合金化过程合金的加入量偏差较大的问题,为更精确地控制合金加入量,以某钢厂冶炼HRB400钢出钢过程加入硅锰合金为例,建立基于极限学习机算法的Mn元素收得率预测模型,并引入正则化方法和改进粒子群算法(IPSO)对极限学习机算法进行优化,以提高模型的泛化能力和预测精度。研究结果表明:Mn元素收得率预测相对误差在5%和3%以内的命中率分别为95%和80%,准确性高于BP神经网络及人工经验的预测结果。照此种方式控制硅锰合金加入量可以满足成品钢的成分要求,且每炉次硅锰合金加入量较人工经验值平均减少20 kg,可带来每年400万元的经济效益,能够为现场生产提供参考。 展开更多

关键词 转炉 出钢合金化 元素收得率 正则化极限学习机 改进粒子群算法 预测模型

在线阅读 下载PDF 职称材料

采用极限学习机预测优化的超高压输电线畸变电场屏蔽 被引量：10

7

作者 彭春华 姜磊 +1 位作者 刘君 刘兵 《电网技术》 EI CSCD 北大核心 2017年第11期3655-3661,共7页

为解决超高压输电工程所面临的电场环境超标和环境治理成本过高的问题,该文提出以屏蔽效果最优和屏蔽成本最低为综合目标对民居附近的畸变电场进行多目标优化屏蔽。鉴于屏蔽方式与屏蔽效果之间难以直接用数学函数准确描述,提出先利用有... 为解决超高压输电工程所面临的电场环境超标和环境治理成本过高的问题,该文提出以屏蔽效果最优和屏蔽成本最低为综合目标对民居附近的畸变电场进行多目标优化屏蔽。鉴于屏蔽方式与屏蔽效果之间难以直接用数学函数准确描述,提出先利用有限元软件仿真数据建立基于新型加权正则化极限学习机算法的屏蔽效果预测模型,然后基于此预测模型,采用分子微分进化算法对屏蔽线架设条数及其架设位置进行多目标优化求解。研究结果表明,该文方法可合理优化屏蔽线架设参数,得到成本更少而屏蔽效果更好的屏蔽方案,同时也为超高压输电畸变电场的屏蔽提供了新思路。 展开更多

关键词 电场屏蔽 预测 加权正则化极限学习机 分子微分进化算法 屏蔽线

在线阅读 下载PDF 职称材料

正弦算法优化正则化ELM在NOx排放量建模中的应用 被引量：2

8

作者 马良玉 程善珍 王永军 《华北电力大学学报（自然科学版）》 CAS 北大核心 2022年第3期112-118,共7页

为优化锅炉配风配粉降低NO x排放浓度,以某1000 MW火电机组现场变工况运行数据为基础,采用正弦算法(Sine algorithm,SA)优化的正则化极限学习机(Regularized extreme learning machine,RELM)建立了NO x排放量的预测模型。为提高预测模... 为优化锅炉配风配粉降低NO x排放浓度,以某1000 MW火电机组现场变工况运行数据为基础,采用正弦算法(Sine algorithm,SA)优化的正则化极限学习机(Regularized extreme learning machine,RELM)建立了NO x排放量的预测模型。为提高预测模型的精度,通过比较不同激活函数对RELM模型性能的影响,选用了新的Swish激活函数;采用奇异值分解法确定RELM的最佳隐含层节点个数,并引入一种自适应调整惯性权重的正弦算法对RELM的输入权值和阈值进行优化。将基于以上策略建立的SA-RELM模型与SA-ELM、RELM及PSO-RELM等模型的预测结果进行对比,表明基于SA-RELM的NO x排放量预测模型具有更高的精度和泛化能力。 展开更多

关键词 NO x排放量 预测模型 正则化极限学习机 正弦算法 Swish激活函数

在线阅读 下载PDF 职称材料

基于GA-RELM多特征优选的烟叶多部位正反面识别方法 被引量：1

9

作者 陈婷 赵晓琳 +5 位作者 张冀武 盖小雷 张晓伟 刘宇晨 王燕 龙杰 《湖南农业大学学报(自然科学版)》 北大核心 2025年第1期113-122,共10页

针对现有烟叶分级模型多基于平整烟叶的正面特征构建,分级模型准确率和实用性较低的问题,提出一种基于遗传算法-正则化极限学习机(GA-RELM)多特征优选的烟叶多部位正反面识别方法。首先,对自然状态下的烟叶进行多尺度正反面特征提取,构... 针对现有烟叶分级模型多基于平整烟叶的正面特征构建,分级模型准确率和实用性较低的问题,提出一种基于遗传算法-正则化极限学习机(GA-RELM)多特征优选的烟叶多部位正反面识别方法。首先,对自然状态下的烟叶进行多尺度正反面特征提取,构建正反面数据集,根据特征重要性和特征间的潜在关系,实现特征降维并构建新特征组合。其次,对正则化极限学习机(RELM)进行隐藏层偏置寻优,以提高模型实际应用性和分类精度。结果表明:与原极限学习机(ELM)相比,GA-RELM对自然状态下的烟叶正反面和多部位正反面的分类精度分别提高了0.84%和7.88%,运算时间分别减少2.56 s和5.72 s;与其他烟叶分级算法相比,GA-RELM在准确率、精确率、召回率、F1评分等多个指标上表现出明显优势。 展开更多

关键词 烤烟 烟叶分级 多特征优选 遗传算法 正则化极限学习机

在线阅读 下载PDF 职称材料

基于RLMD-SE-CNN-RELM的水位预测混合模型研究

10

作者 张奇伟 刘月馨 +3 位作者 许雯 徐军杨 陈佳雷 张楚 《人民长江》 北大核心 2025年第3期116-125,133,共11页

精准的水位预测在自然灾害预警、水资源管理和生态环境保护等领域具有重要应用价值。为此,提出了一种基于鲁棒局部均值分解(RLMD)、样本熵(SampEn)、卷积神经网络(CNN)和正则化极限学习机(RELM)的水位预测混合模型。首先利用RLMD对历史... 精准的水位预测在自然灾害预警、水资源管理和生态环境保护等领域具有重要应用价值。为此,提出了一种基于鲁棒局部均值分解(RLMD)、样本熵(SampEn)、卷积神经网络(CNN)和正则化极限学习机(RELM)的水位预测混合模型。首先利用RLMD对历史水位数据进行分解,引入样本熵方法对分量数据进行特征重组以减少数据量;然后利用CNN对重组数据进行特征提取以提高训练速度;最后利用RELM预测每个子序列,将预测结果叠加得到水位序列的最终预测值。以岷江流域下游高场水文站点1997~2020年的日水位数据为研究对象,对模型预测性能进行验证。结果表明:在未来1 d水位预测方面,所构建的混合模型与RELM、CNN-RELM、RLMD-CNN-RELM模型相比,准确度分别提升5.93%,5.91%,0.52%;3种不同预见期(1,2,3 d)下,混合模型预测结果的NSE分别为0.934657,0.932588,0.922955,预报精度均达到甲级。建立的RLMD-SE-CNN-RELM模型预测精度高,稳定性强,可为水位预测和水资源的精准调度提供参考。 展开更多

关键词 水位预测 鲁棒局部均值分解 样本熵 卷积神经网络 正则化极限学习机 岷江流域

在线阅读 下载PDF 职称材料

基于CBLRE模型的轴向柱塞泵空化状态检测研究 被引量：4

11

作者 李志杰 兰媛 +4 位作者 黄家海 牛蔺楷 袁科研 范佳祺 武兵 《机电工程》 CAS 北大核心 2022年第5期634-640,共7页

空化现象的产生严重制约了轴向柱塞泵向高速高压方向发展,需要对柱塞泵的空化状态检测与智能故障诊断展开研究,因此,结合深度学习网络与非线性分类器的优点,提出了一种基于CBLRE(CNN+BiLSTM+RELM)模型的柱塞泵空化状态识别方法(检测模型... 空化现象的产生严重制约了轴向柱塞泵向高速高压方向发展,需要对柱塞泵的空化状态检测与智能故障诊断展开研究,因此,结合深度学习网络与非线性分类器的优点,提出了一种基于CBLRE(CNN+BiLSTM+RELM)模型的柱塞泵空化状态识别方法(检测模型)。首先,对不同空化状态下柱塞泵的一维原始振动信号进行了数据增强,并对其进行了标准化处理;然后,利用卷积神经网络(CNN)自动提取信号的特征,并对其进行了特征降维处理;利用双向长短期记忆(Bi-LSTM)网络学习特征序列的时间依赖性,利用正则化极限学习机(RELM)的非线性分类器对特征进行了分类,实现了对柱塞泵的空化状态检测与智能故障诊断;最后,为测试CBLRE模型的性能,搭建了实验平台,在此之上将CBLRE模型与其他模型进行了对比,分析了该模型在不同工况下的性能表现。研究结果表明:该模型的结构稳定、训练时间短,且在不同负载下均可保持良好的泛化性能,空化状态识别率均达到99%以上,该结果验证了柱塞泵空化状态识别方法的有效性;此外,该模型还可有效识别空化现象与柱塞泵的其他故障。 展开更多

关键词 容积泵 轴向柱塞泵 空化现象 卷积神经网络 双向长短期记忆网络 正则化极限学习机 深度学习网络 非线性分类器

在线阅读 下载PDF 职称材料

基于优化ELM的信息物理融合系统入侵检测

12

作者 肖韵婷 张立臣 《计算机工程与设计》 北大核心 2022年第1期9-17,共9页

针对带权正则化极限学习机(WRELM)性能受随机初始值、数据不平衡及离群点影响大的问题,提出基于局部距离的带权正则极限学习机(LDWRELM),提高对不平衡数据集与离群点的抗干扰能力,使用改进的头脑风暴优化算法(MBSO)对LDWRELM的初始权重... 针对带权正则化极限学习机(WRELM)性能受随机初始值、数据不平衡及离群点影响大的问题,提出基于局部距离的带权正则极限学习机(LDWRELM),提高对不平衡数据集与离群点的抗干扰能力,使用改进的头脑风暴优化算法(MBSO)对LDWRELM的初始权重阈值进行联合优化。MBSO在头脑风暴优化算法(BSO)的基础上对个体更新与变异策略进行改进,在典型函数上验证了该改进对全局寻优能力与收敛速度的提升。构建基于MBSO优化的LDWRELM信息物理融合系统(CPS)入侵检测模型,将仿真结果与其它算法进行比较,验证了MBSO-LDWRELM算法有效提高了准确率,降低了误报率与检测时间。 展开更多

关键词 信息物理融合系统 头脑风暴优化算法 带权正则化极限学习机 入侵检测 全局寻优

在线阅读 下载PDF 职称材料

基于WPT-IDBO-RELM和WPT-IDMO-RELM模型的日径流预测 被引量：3

13

作者 李菊 崔东文 《水利水电科技进展》 CSCD 北大核心 2024年第6期48-55,85,共9页

为提高日径流时间序列预测精度,改进正则化极限学习机(RELM)的预测性能,对比验证改进蜣螂优化(IDBO)算法和改进侏獴优化(IDMO)算法与其他算法的优化效果,提出了基于小波包变换(WPT)的WPT-IDBO-RELM和WPT-IDMO-RELM日径流时间序列预测模... 为提高日径流时间序列预测精度,改进正则化极限学习机(RELM)的预测性能,对比验证改进蜣螂优化(IDBO)算法和改进侏獴优化(IDMO)算法与其他算法的优化效果,提出了基于小波包变换(WPT)的WPT-IDBO-RELM和WPT-IDMO-RELM日径流时间序列预测模型。对云南省暮底河水库、马鹿塘电站入库日径流进行预测,结果表明WPT-IDBO-RELM和WPT-IDMO-RELM模型对暮底河水库日径流预测的平均绝对百分比误差分别为1.048%、1.015%,对马鹿塘电站日径流预测的平均绝对百分比误差分别为1.493%、1.478%,优于其他对比模型;IDBO、IDMO算法对标准测试函数和实例目标函数的寻优效果均优于其他对比算法,且IDBO、IDMO算法优化效果越好,RELM超参数越优,WPT-IDBO-RELM、WPT-IDMO-RELM模型预测精度越高;WPT可将日径流序列分解为分量更少、规律性更强的子序列分量,在提高预测精度的同时显著降低模型复杂度和计算规模。 展开更多

关键词 日径流预测 正则化极限学习机 改进蜣螂优化算法 改进侏獴优化算法 小波包变换

在线阅读 下载PDF 职称材料

基于MIC和IPSO-RELM的带钢热镀锌板锌层厚度预测 被引量：1

14

作者 方军 王兴东 +2 位作者 汪洋 吴宗武 丁健 《热加工工艺》 北大核心 2024年第22期62-68,82,共8页

针对带钢热镀锌板锌层厚度偏差易受产线多变量强耦合和测厚仪滞后时间长等因素影响的问题,提出一种基于最大信息系数(MIC)以及改进的粒子群算法优化正则化极限学习机(IPSO-RELM)的带钢锌层厚度预测方法。首先,采集生产过程数据进行相关... 针对带钢热镀锌板锌层厚度偏差易受产线多变量强耦合和测厚仪滞后时间长等因素影响的问题,提出一种基于最大信息系数(MIC)以及改进的粒子群算法优化正则化极限学习机(IPSO-RELM)的带钢锌层厚度预测方法。首先,采集生产过程数据进行相关预处理;然后,利用MIC法对各参数变量进行重要性排序,确定影响锌层厚度的关键因素;最后,将筛选的变量作为输入项建立RELM预测模型,并通过IPSO算法优化模型的随机性参数,有效提高了模型的稳定性和预测精度。结果表明:所建立模型预测结果的拟合决定系数R^(2)为94.66%,预测误差在-4~4 g/m^(2)的样本点命中率达到96%,且模型的3项评价指标均优于其他对比算法,证明了所提方法预测精度高,可为带钢热镀锌板产品质量的提升奠定基础。 展开更多

关键词 带钢热镀锌 锌层厚度预测 最大信息系数 改进的粒子群算法 正则化极限学习机

在线阅读 下载PDF 职称材料

基于IMPA-RELM的旅游景点客流量预测研究

15

作者 占贻畅 秦喜文 +2 位作者 陈冬雪 董小刚 徐定鑫 《工程数学学报》 CSCD 北大核心 2024年第6期1133-1143,共11页

旅游景点客流量预测是旅游管理领域的重要研究问题,关乎着旅游政策制定和旅游景区经营管理。提出了一种基于改进海洋捕食者算法优化正则化极限学习机的旅游景点客流量预测方法。首先,为自适应地平衡探索与开发状态,提出一种基于群体多... 旅游景点客流量预测是旅游管理领域的重要研究问题,关乎着旅游政策制定和旅游景区经营管理。提出了一种基于改进海洋捕食者算法优化正则化极限学习机的旅游景点客流量预测方法。首先,为自适应地平衡探索与开发状态,提出一种基于群体多样性和群体聚集度的海洋捕食者算法,充分发挥MPA算法探索与开发性能。其次,将改进的海洋捕食者算法用于优化正则化极限学习机(IMPA-RELM)的权重与偏置,以归一化均方根误差作为适应度函数,确定最佳权重和偏置参数。最后,将所构建的IMPA-RELM模型应用于九寨沟和查干湖景区单日客流量预测研究。实验结果表明,所提出的IMPA-RELM模型不仅显著提升了RELM的模型性能,相比于LS-SVM、BPNN和LSTM等基线模型,也具有更强的预测性能与泛化能力,能够为景区运营管理和旅游政策制定提供重要参考。 展开更多

关键词 景点客流量预测 海洋捕食者算法 机器学习 正则化极限学习机 参数优化

在线阅读 下载PDF 职称材料

基于CEEMDAN多尺度排列熵和SO-RELM的高压隔膜泵单向阀故障诊断 被引量：20

16

作者 李瑞 范玉刚 《振动与冲击》 EI CSCD 北大核心 2023年第5期127-135,共9页

高压隔膜泵单向阀受负载、摩擦和冲击等因素的影响,运行产生的振动信号具有非平稳、非线性的特点,为了从振动信号中提取设备的非线性动力学特征,将多尺度排列熵(multi-scale permutation entropy, MPE)引入高压隔膜泵单向阀故障诊断研... 高压隔膜泵单向阀受负载、摩擦和冲击等因素的影响,运行产生的振动信号具有非平稳、非线性的特点,为了从振动信号中提取设备的非线性动力学特征,将多尺度排列熵(multi-scale permutation entropy, MPE)引入高压隔膜泵单向阀故障诊断研究。提取振动信号多尺度排列熵特征,用于建立结构优化正则化极限学习机(structure optimization regularized extreme learning machine, SO-RELM)故障诊断模型,模型利用K-means优化RELM结构,提高模型识别精确度及稳定性。首先采用自适应噪声完备经验模态分解(complementary ensemble empirical mode decomposition with adaptive noise, CEEMDAN)将高压隔膜泵单向阀振动信号自适应分解为多个固有模态分量(intrinsic mode function, IMF),以相关系数为指标,优选包含故障特征信息丰富的分量;然后,计算IMFs的多尺度排列熵值,提取信号的非线性动力学特征;最后,基于多尺度排列熵,建立基于SO-RELM的故障诊断模型。试验结果表明,CEEMDAN多尺度排列熵能够准确表征高压隔膜泵单向阀运行状态的非线性动力学特征,基于CEEMDAN多尺度排列熵建立的SO-RELM故障模型,能够有效识别高压隔膜泵单向阀工况类型,准确率达98.89%。 展开更多

关键词 自适应噪声完备经验模态分解 排列熵 结构优化正则化极限学习机 故障诊断

在线阅读 下载PDF 职称材料

基于快速自编码的RELM的文本分类 被引量：3

17

作者 周杭霞 叶佳骏 任欢 《计算机工程与科学》 CSCD 北大核心 2016年第5期871-876,共6页

正则化极限学习机RELM是一种单隐层前馈神经网络,不同于传统神经网络算法,RELM通过随机设置输入层权重和偏置值,可以快速求得输出层权重,并且引入正则化因子,能够提高模型的泛化能力。针对文本信息高维度、多类别的问题,提出一种基于快... 正则化极限学习机RELM是一种单隐层前馈神经网络,不同于传统神经网络算法,RELM通过随机设置输入层权重和偏置值,可以快速求得输出层权重,并且引入正则化因子,能够提高模型的泛化能力。针对文本信息高维度、多类别的问题,提出一种基于快速自编码的正则化极限学习机FARELM。将由RELM改进后的快速自编码神经网络对样本进行无监督特征学习,并对特征提取后的数据使用RELM进行分类。实验表明,FA-RELM的学习速度和分类精度较优。 展开更多

关键词 文本分类 特征提取 自动编码器 正则化极限学习机

在线阅读 下载PDF 职称材料

KLPP特征约简与RELM的高压隔膜泵单向阀故障诊断

18

作者 李瑞 范玉刚 张光辉 《机械科学与技术》 CSCD 北大核心 2023年第8期1332-1339,共8页

为此提出基于核局部保持投影(KLPP)和正则化极限学习机(RELM)的高压隔膜泵单向阀故障诊断方法。首先,提取单向阀振动信号的时域、频域、时频域特征,构建多域特征集;然后,通过KLPP算法对构建的多域特征集进行维数约简;最后,建立基于RELM... 为此提出基于核局部保持投影(KLPP)和正则化极限学习机(RELM)的高压隔膜泵单向阀故障诊断方法。首先,提取单向阀振动信号的时域、频域、时频域特征,构建多域特征集;然后,通过KLPP算法对构建的多域特征集进行维数约简;最后,建立基于RELM的故障诊断模型,用于识别单向阀运行状态。实验结果表明,基于多域特征的故障诊断方法检测精度高于单域特征识别方法;KLPP约简多域特征集,可以有效消除信息冗余;建立的RELM故障诊断模型识别精度达到98.89%,能够有效识别高压隔膜泵单向阀故障类型。 展开更多

关键词 单向阀 故障诊断 核局部保持投影 正则化极限学习机

在线阅读 下载PDF 职称材料

基于RELM的时间序列数据加权集成分类方法 被引量：10

19

作者 赵林锁 陈泽 +1 位作者 丁琳琳 宋宝燕 《计算机工程与科学》 CSCD 北大核心 2022年第3期545-553,共9页

时间序列数据通常是指一系列带有时间间隔的实值型数据,广泛存在于煤矿、金融和医疗等领域。为解决现有时间序列数据分类问题中存在的含有大量噪声、预测精度低和泛化性能差的问题,提出了一种基于正则化极限学习机(RELM)的时间序列数据... 时间序列数据通常是指一系列带有时间间隔的实值型数据,广泛存在于煤矿、金融和医疗等领域。为解决现有时间序列数据分类问题中存在的含有大量噪声、预测精度低和泛化性能差的问题,提出了一种基于正则化极限学习机(RELM)的时间序列数据加权集成分类方法。首先,针对时间序列数据中所含有的噪声,利用小波包变换方法对时间序列数据进行去噪处理。其次,针对时间序列数据分类方法预测精度低、泛化性能较差的问题,提出了一种基于RELM的加权集成分类方法。该方法通过训练正则化极限学习机(RELM)隐藏层节点数量的方法,有效选取RELM基分类器;通过粒子群优化(PSO)算法,对RELM基分类器的权值进行优化;实现对时间序列数据的加权集成分类。实验结果表明,该分类方法能够对时间序列数据进行有效分类,并提升了分类精度。 展开更多

关键词 时间序列数据 小波包 正则化极限学习机 集成分类 权值优化

在线阅读 下载PDF 职称材料

基于近红外光谱的SSA-RELM的菠萝含水率快速检测 被引量：4

20

作者 赵艳莉 赵倩 李志强 《食品与机械》 CSCD 北大核心 2023年第11期79-86,共8页

目的:建立快速无损检测菠萝含水率的方法。方法:提出一种基于连续投影法的特征波长选择和麻雀搜索算法(SSA)优化正则化极限学习机(RELM)的菠萝含水率检测模型。针对菠萝近红外光谱数据具有维度高、冗余信息多的特点,分别对比连续投影法... 目的:建立快速无损检测菠萝含水率的方法。方法:提出一种基于连续投影法的特征波长选择和麻雀搜索算法(SSA)优化正则化极限学习机(RELM)的菠萝含水率检测模型。针对菠萝近红外光谱数据具有维度高、冗余信息多的特点,分别对比连续投影法、主成分分析法和全波段等筛选特征波长的结果,确定菠萝近红外光谱特征波长筛选方法;针对RELM模型性能受其输入层权值和隐含层偏置的影响,运用麻雀搜索算法优化RELM模型的输入层权值和隐含层偏置,提出一种基于麻雀搜索算法改进正则化极限学习机的菠萝含水率检测模型。结果:与遗传算法改进正则化极限学习机(GA-RELM)、粒子群算法改进正则化极限学习机(PSO-RELM)和RELM相比,基于麻雀算法改进正则化极限学习机(SSA-RELM)的菠萝含水率检测模型的检测精度最高。结论:麻雀搜索算法优化RELM模型可以有效提高RELM模型的菠萝含水率检测精度。 展开更多

关键词 近红外光谱 菠萝 含水率 正则化极限学习机 麻雀搜索算法 特征波长 连续投影法

在线阅读 下载PDF 职称材料