期刊文献+
共找到97篇文章
< 1 2 5 >
每页显示 20 50 100
一种改进OSELM算法在片烟复烤过程水分在线检测中的应用
1
作者 张雷 马永帅 +5 位作者 洪斌斌 熊开胜 徐大勇 堵劲松 李银华 邹泉 《轻工学报》 北大核心 2025年第3期95-103,共9页
针对片烟复烤过程中关键质量指标出口烟叶含水率难以直接在线检测,且离线化验滞后严重的问题,提出一种改进在线序列极限学习机(Online Sequential Extreme Learning Machine,OSELM)的复烤干燥过程自适应建模方法,实时在线检测干燥区出... 针对片烟复烤过程中关键质量指标出口烟叶含水率难以直接在线检测,且离线化验滞后严重的问题,提出一种改进在线序列极限学习机(Online Sequential Extreme Learning Machine,OSELM)的复烤干燥过程自适应建模方法,实时在线检测干燥区出口烟叶的含水率。首先,采用专家知识与互信息方法选择与烟叶含水率相关性最强的辅助变量,增强模型的泛化能力并降低复杂度。然后,针对复烤过程的强非线性和显著时变特性,提出一种基于自适应遗忘因子的OSELM建模方法,设计的自适应遗忘因子策略能够根据复烤工况的变化动态迭代更新,以此增强软测量模型对复杂工况的在线跟踪能力。最后,基于某复烤厂的实际生产数据进行实验,结果表明,相较于传统软测量建模方法,本文方法具有较高的在线检测精度和响应速度,证明了该算法的有效性和优越性。 展开更多
关键词 片烟 烟叶含水率 复烤机 互信息 软测量 在线序列极限学习机 在线检测
在线阅读 下载PDF
刮板输送机断链智能监测技术研究 被引量:2
2
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
面向生物氧化提金槽温度监测的数据融合策略
3
作者 李海龙 南新元 +1 位作者 蔡鑫 侯登云 《计算机工程与设计》 北大核心 2025年第1期282-289,共8页
为提高生物氧化槽温度估计的准确性,提出一种数据融合策略。利用鲁棒自适应无迹卡尔曼滤波算法对底层采集的数据进行处理,克服噪声对系统性能的影响。利用序贯自适应加权融合算法对滤波后的数据进行局部融合,保证融合结果的一致性与高... 为提高生物氧化槽温度估计的准确性,提出一种数据融合策略。利用鲁棒自适应无迹卡尔曼滤波算法对底层采集的数据进行处理,克服噪声对系统性能的影响。利用序贯自适应加权融合算法对滤波后的数据进行局部融合,保证融合结果的一致性与高精度。利用改进的斑马优化算法优化核极限学习机进行全局融合,提升算法的泛化能力与鲁棒性。实验结果表明,提出的融合方法能够提高生物氧化槽温度估计的精度,为后续的控制决策提供有力的数据保障。 展开更多
关键词 生物氧化提金 温度监测 多传感器数据融合 无迹卡尔曼滤波 序贯分析 自适应加权融合 核极限学习机
在线阅读 下载PDF
基于在线学习的离散时间人机协作系统预定性能柔顺控制
4
作者 刘霞 王露 陈勇 《电子科技大学学报》 北大核心 2025年第1期52-61,共10页
为了使人机协作系统中机器人能够准确地顺应人类行为,提出了一种基于在线学习的离散时间预定性能柔顺控制方法。该方法在外环采用在线顺序极限学习机算法估计人类行为,并将估计结果结合参考阻抗模型来重建参考轨迹。在内环建立了离散时... 为了使人机协作系统中机器人能够准确地顺应人类行为,提出了一种基于在线学习的离散时间预定性能柔顺控制方法。该方法在外环采用在线顺序极限学习机算法估计人类行为,并将估计结果结合参考阻抗模型来重建参考轨迹。在内环建立了离散时间预定性能控制器用于跟踪重建后的参考轨迹,并利用时间延迟估计来获得机器人复杂的未知动力学模型。分析了闭环系统的瞬态和稳态性能,通过对比仿真验证了该方法的有效性。所提的离散时间控制方法可更好地满足数字计算机的工作原理,在减少计算和内存负担的基础上,使得机器人末端执行器的跟踪误差能够满足预设性能要求。此外,该方法无需机器人精确的数学模型,同时还能减轻人类操作机器人的力量负担,保证人机协作的柔顺性。 展开更多
关键词 柔顺控制 离散时间人机协作系统 人类行为估计 在线顺序极限学习机 预定性能
在线阅读 下载PDF
基于时序特征的收费站在线流量预测模型
5
作者 马飞凡 邹复民 +3 位作者 廖律超 罗永煜 胡泽荣 陈文宇 《陕西科技大学学报》 北大核心 2025年第3期190-201,216,共13页
针对高峰时段车流量骤增导致的高速公路入口拥堵问题,以及现有研究在实时预测中对时间序列相似性和周期性特征挖掘不足的局限性,本文提出了一种基于时序特征的收费站在线流量预测模型FastDTW-ARMA_ONS-ORELM.该模型结合了FastDTW算法和A... 针对高峰时段车流量骤增导致的高速公路入口拥堵问题,以及现有研究在实时预测中对时间序列相似性和周期性特征挖掘不足的局限性,本文提出了一种基于时序特征的收费站在线流量预测模型FastDTW-ARMA_ONS-ORELM.该模型结合了FastDTW算法和ARMA_ONS算法,并将其嵌入到ORELM模型的特征提取过程中,旨在提升ORELM模型的特征提取效率和预测精度.首先,通过FastDTW算法和指数平滑法实时提取相似性特征,同时利用ARMA_ONS算法提取周期性特征.随后,将提取的时序特征输入ORELM模型进行下一时刻流量预测.实验结果表明,该模型相较于其他模型具有更优的性能表现,R 2值达到93%,且随着数据持续输入,其预测能力持续提升,可以为交通流量管控提供科学且可靠的决策支持. 展开更多
关键词 交通流量预测 FastDTW 在线递归极限学习机 时序特征提取
在线阅读 下载PDF
基于CPA-OSELM的热轧带钢厚度在线预测
6
作者 肖思竹 张飞 +2 位作者 黄学忠 肖雄 易忠荣 《科学技术与工程》 北大核心 2022年第22期9686-9694,共9页
为解决自动厚度控制(automatic gauge control, AGC)系统反馈滞后、耦合强、厚度偏差大等问题,提出了一种基于食肉植物算法(carnivorous plant algorithm, CPA)的在线顺序极限学习机(online sequential extreme learning machine, OSELM... 为解决自动厚度控制(automatic gauge control, AGC)系统反馈滞后、耦合强、厚度偏差大等问题,提出了一种基于食肉植物算法(carnivorous plant algorithm, CPA)的在线顺序极限学习机(online sequential extreme learning machine, OSELM)预测算法。首先,基于从现场采集的相关数据,建立了OSELM在线厚度预测模型。然后为了提高模型的准确性及稳定性,采用CPA方法优化OSELM的权重和偏置。在此基础上,运用自学习方法进一步提高模型的预测精度。最后,通过实验验证基于CPA-OSELM预测模型的有效性。实验结果表明:基于CPA-OSELM的方法能够对不同规格带钢的出口厚度进行高精度在线预测,预测结果可用于提升AGC模型的控制精度,为提升带钢产品质量奠定基础。 展开更多
关键词 热轧带钢 在线预测 在线顺序极限学习机(online sequential extreme learning machine oselm) 食肉植物算法(carnivorous plant algorithm CPA) 自学习
在线阅读 下载PDF
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
7
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
煤矿井下动态环境基于WiFi的OSELM算法研究
8
作者 窦占树 崔丽珍 +1 位作者 洪金祥 赫佳星 《传感器与微系统》 CSCD 北大核心 2023年第7期48-51,56,共5页
针对煤矿井下环境高动态变化,导致WiFi指纹匹配定位模型精度降低的问题,提出在线顺序极限学习机(OSELM)的井下定位算法,利用新增接收信号强度指示(RSSI)数据实现对模型的在线实时更新,同时赋予新增数据时效性权重来改进OSELM算法,在保... 针对煤矿井下环境高动态变化,导致WiFi指纹匹配定位模型精度降低的问题,提出在线顺序极限学习机(OSELM)的井下定位算法,利用新增接收信号强度指示(RSSI)数据实现对模型的在线实时更新,同时赋予新增数据时效性权重来改进OSELM算法,在保证定位精度的前提下减少数据采集和模型训练工作量。实验结果表明:与传统的批量学习方法相比,利用OSELM在线学习能力可以改善由于井下环境高动态变化导致定位模型精度降低的问题,并且改进的OSELM算法能更有效提升模型定位精度。 展开更多
关键词 位置指纹定位 在线顺序极限学习机定位模型 高动态井下环境 在线增量学习
在线阅读 下载PDF
基于优化FAEMD-OSELM的WSN流量预测算法研究 被引量:6
9
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
基于VMD-KPCA-OSELM算法的滚动轴承故障诊断 被引量:5
10
作者 吴东升 贾琼 +2 位作者 杨青 李烨 付丽君 《控制工程》 CSCD 北大核心 2017年第S1期113-117,共5页
为了提高滚动轴承故障诊断的准确性,提出了变分模态分解(VMD)与在线贯序极限学习机(OSELM)相结合的VMD-KPCA-OSELM方法对轴承故障进行诊断。首先利用VMD对所提取轴承信号进行去噪;其次,应用KPCA对去噪后的数据进行故障特征提取和降维压... 为了提高滚动轴承故障诊断的准确性,提出了变分模态分解(VMD)与在线贯序极限学习机(OSELM)相结合的VMD-KPCA-OSELM方法对轴承故障进行诊断。首先利用VMD对所提取轴承信号进行去噪;其次,应用KPCA对去噪后的数据进行故障特征提取和降维压缩;最后,运用OSELM方法对轴承故障进行分类。实验结果表明,所提的集合型方法能通过计算每个模态的中心频率将带宽的求解转化为约束问题的寻优,有效地区分出不同的模态,对故障信号进行滤波并提取故障特征,且在诊断快速性方面优于传统单梯度下降学习方法。所提的集合型VMD-KPCA-OSELM方法比常规的单一型方法更适用于滚动轴承的故障诊断。 展开更多
关键词 故障诊断 变分模态分解 在线惯序极限学习机 电机轴承
在线阅读 下载PDF
不均衡小样本下多特征优化选择的生命体触电故障识别方法 被引量:5
11
作者 高伟 饶俊民 +1 位作者 全圣鑫 郭谋发 《电工技术学报》 EI CSCD 北大核心 2024年第7期2060-2071,共12页
针对现有的剩余电流保护装置无法有效识别触电事故的问题,该文提出了一种不均衡小样本下多特征优化选择的生命体触电故障识别方法。首先通过变分自编码器(VAE)对实验收集到的生命体触电小样本数据进行增殖以实现正负样本均衡;然后在时... 针对现有的剩余电流保护装置无法有效识别触电事故的问题,该文提出了一种不均衡小样本下多特征优化选择的生命体触电故障识别方法。首先通过变分自编码器(VAE)对实验收集到的生命体触电小样本数据进行增殖以实现正负样本均衡;然后在时域上提取能够反映波形动态变化特性的23个特征量,并利用高斯核Fisher判别分析(GKFDA)与最大信息系数(MIC)法从中选择最优表达特征组;最后,提出基于遗忘因子的在线顺序极限学习机(FOS-ELM)算法实现生命体触电行为的鉴别。实验结果表明,所提方法利用不均衡小样本触电数据集就可以训练出一个优秀的分类模型,诊断准确率可达98.75%,诊断时间仅为1.33 ms。其优良的性能结合在线增量式学习分类器设计,使得模型具备新知识学习能力,具有极好的工程应用前景。 展开更多
关键词 剩余电流保护装置 生命体触电故障 多特征优化选择 基于遗忘因子的在线顺序 极限学习机(FOS-ELM) 不均衡小样本
在线阅读 下载PDF
基于R-OSELM的海洋环境数据在线预测
12
作者 李志刚 刘宇杰 +3 位作者 韩国峰 程尚 付多民 李莹琦 《南京信息工程大学学报(自然科学版)》 CAS 北大核心 2023年第1期104-110,共7页
为及时辨识海洋环境的变化趋势和降低长期累积的海洋环境数据对预测模型的影响,提出一种基于循环在线顺序极限学习机(Recurrent Online Sequential Extreme Learning Machine R-OSELM)的海洋环境数据在线预测模型.采用完全在线的方法初... 为及时辨识海洋环境的变化趋势和降低长期累积的海洋环境数据对预测模型的影响,提出一种基于循环在线顺序极限学习机(Recurrent Online Sequential Extreme Learning Machine R-OSELM)的海洋环境数据在线预测模型.采用完全在线的方法初始化海洋环境数据训练集,通过在线顺序极限学习机算法对已有的海洋环境数据进行逐块输入,利用极限学习机的自动编码技术与一种归一化方法对输入权重循环处理,实现预测模型的在线更新,最后完成对海洋环境数据的在线预测.使用该模型对溶解氧、叶绿素a、浊度、蓝绿藻进行预测,结果表明R-OSELM模型的预测精度高于对比模型,确定其具备海洋环境数据在线预测能力,可为海洋水域水体富营养化与海洋环境污染预警提供参考. 展开更多
关键词 海洋环境数据 时间序列预测 在线预测 在线顺序极限学习机 循环神经网络
在线阅读 下载PDF
基于极限学习机的短期电力负荷在线预测 被引量:2
13
作者 杨凌 彭文英 +2 位作者 杨思怡 杜娟 程丽 《兰州大学学报(自然科学版)》 CAS CSCD 北大核心 2024年第5期637-644,共8页
为满足智能电网对电力负荷实时预测的需求,提出基于稀疏递归最小二乘法的极限学习机(SRLS-ELM)在线学习算法,用于短期电力负荷的在线预测.相比在线序列ELM, SRLS-ELM算法无需选择离线样本初始化网络输出权重,将网络学习的平方误差与输... 为满足智能电网对电力负荷实时预测的需求,提出基于稀疏递归最小二乘法的极限学习机(SRLS-ELM)在线学习算法,用于短期电力负荷的在线预测.相比在线序列ELM, SRLS-ELM算法无需选择离线样本初始化网络输出权重,将网络学习的平方误差与输出权值的稀疏正则化项相结合,用l1-范数稀疏化网络隐藏层节点,用次梯度策略解决求解过程中代价函数无法处处可微的问题,以递归最小二乘的训练方法完成在线学习,根据估计误差自适应寻找最优正则化参数.仿真结果表明,基于SRLS-ELM的算法能有效简化网络结构,且与ELM、堆叠核ELM批量、在线序列ELM半在线以及精确在线支持向量机回归模型相比,对短期电力负荷在线预测时具有更高的预测精度和学习效率,且鲁棒性强. 展开更多
关键词 短期电力负荷预测 极限学习机 在线学习 正则化
在线阅读 下载PDF
基于放电电压平台研究的蓄电池寿命状态评估 被引量:2
14
作者 成庶 吕壮壮 +1 位作者 刘畅 向超群 《铁道科学与工程学报》 EI CAS CSCD 北大核心 2024年第3期1266-1274,共9页
为解决传统动车组镍镉蓄电池的返修方法导致部分蓄电池在触发返修条件前已性能劣化,同时大量已达返修标准的蓄电池性能并未过度衰退的问题,设计单体镍镉蓄电池全寿命加速老化实验并获取相关实验数据。首先,采用集成经验模态方法建立单... 为解决传统动车组镍镉蓄电池的返修方法导致部分蓄电池在触发返修条件前已性能劣化,同时大量已达返修标准的蓄电池性能并未过度衰退的问题,设计单体镍镉蓄电池全寿命加速老化实验并获取相关实验数据。首先,采用集成经验模态方法建立单体电池全寿命健康状态类别划分模型,然后运用离散小波变换消除放电电压平台数据的奇异值,进而利用极限学习机算法预测蓄电池寿命状态,最终实现对蓄电池全生命周期寿命的准确预测与健康状态评估功能。实验结果表明:相较于传统的蓄电池寿命阈值分类方法,运用集成经验模态建立的健康状态类别划分模型能有效避免蓄电池寿命末端出现误警情况。作为融合算法模型输入的放电电压平台数据易获取,基于离散小波变换的数据预处理方法可提升算法准确率近3%,最终可达到96%~98%。此外,相对于传统的神经网络模型,融合算法模型不涉及迭代,因而能兼顾算法的预测精度与计算效能。蓄电池识别健康状态的F1值为0.976 3,识别老化阶段的F1值为0.950 9,识别故障阶段的F1值为0.939 394。相较于传统的依据动车组运营里程和使用年限进而决定蓄电池是否返修的方法,融合算法模型提供了显著的评判标准,能判别蓄电池是否应该返修,并有效地识别蓄电池的健康状态,降低了动车组的运营成本,保障动车组运营安全,为电池寿命评判和检修策略的优化提供参考。 展开更多
关键词 寿命评估 集成经验模态分解 离散小波变换 极限学习机 放电电压平台 在线检测
在线阅读 下载PDF
基于融合健康因子和集成极限学习机的锂离子电池SOH在线估计 被引量:2
15
作者 屈克庆 董浩 +3 位作者 毛玲 赵晋斌 杨建林 李芬 《上海交通大学学报》 EI CAS CSCD 北大核心 2024年第3期263-272,共10页
锂离子电池健康状态(SOH)的在线估计对电池管理系统的安全稳定运行至关重要.为克服传统基于数据驱动的锂离子电池SOH估计方法训练时间长、计算量大、调试过程复杂的问题,提出一种基于融合健康因子和集成极限学习机的锂离子电池SOH估计方... 锂离子电池健康状态(SOH)的在线估计对电池管理系统的安全稳定运行至关重要.为克服传统基于数据驱动的锂离子电池SOH估计方法训练时间长、计算量大、调试过程复杂的问题,提出一种基于融合健康因子和集成极限学习机的锂离子电池SOH估计方法.该方法通过dQ/dV和dT/dV曲线分析,筛选出与电池SOH相关性较高的数据区间进行多维健康特征提取,并对其进行主成分分析降维处理得到间接健康因子;利用极限学习机的随机学习算法建立间接健康因子和SOH之间的非线性映射关系.在此基础上,针对单一模型输出不稳定的特点,提出一种集成极限学习机模型,通过对估计结果设置可信度评价规则剔除单一极限学习机不可靠的输出,从而提高锂离子电池SOH的估计精度.使用NASA和牛津大学的锂离子电池老化数据集对该方法进行验证,结果表明该方法的平均绝对百分比误差小于1%,具有较高的准确性和可靠性. 展开更多
关键词 锂离子电池 健康因子 集成极限学习机 健康状态在线估计
在线阅读 下载PDF
基于时空建模的锂离子电池温度预测 被引量:1
16
作者 吕洲 何波 宋连 《电池》 CAS 北大核心 2024年第4期497-502,共6页
锂离子电池温度具有时空耦合、强非线性和时变特性,建立准确的预测模型有困难。提出一种基于时空建模的锂离子电池温度分布预测方法。利用正交局部保持投影(OLPP)将电池温度分离为正交空间基函数和时间系数。以电流、电压为输入,时间系... 锂离子电池温度具有时空耦合、强非线性和时变特性,建立准确的预测模型有困难。提出一种基于时空建模的锂离子电池温度分布预测方法。利用正交局部保持投影(OLPP)将电池温度分离为正交空间基函数和时间系数。以电流、电压为输入,时间系数为输出,建立基于带遗忘因子的在线顺序超限学习机(FFOS-ELM)的低阶时序模型。通过时空合成,重构出原始的温度分布。三元软包装锂离子电池温度预测结果表明,与基于拉普拉斯特征映射和在线顺序极限学习机的在线时空建模方法(LE-OS-ELM)相比,所提方法的预测精度更高,在恒流放电和城市动力测驾循环(UDDS)工况下,时间标准绝对误差分别在(0.030,0.155)和(0.095,0.110)区间内,均方根误差分别为0.097 2及0.108 4。 展开更多
关键词 锂离子电池温度 在线时空建模 正交局部保持投影(OLPP) 带遗忘因子的在线顺序超限学习机(FFOS-ELM)
在线阅读 下载PDF
基于云计算和极限学习机的分布式电力负荷预测算法 被引量:76
17
作者 王保义 赵硕 张少敏 《电网技术》 EI CSCD 北大核心 2014年第2期526-531,共6页
为了提高电力负荷预测精度,应对电力系统智能化所带来的数据海量化高维化带来的单机计算资源不足的挑战,提出了一种在线序列优化的极限学习机短期电力负荷预测模型。针对电力负荷数据特性,对极限学习机预测算法进行在线序列优化;引入分... 为了提高电力负荷预测精度,应对电力系统智能化所带来的数据海量化高维化带来的单机计算资源不足的挑战,提出了一种在线序列优化的极限学习机短期电力负荷预测模型。针对电力负荷数据特性,对极限学习机预测算法进行在线序列优化;引入分布式和multi-agent思想,提升负荷预测算法预测准确率;采用云计算的MapReduce编程框架对提出的算法模型进行并行化改进,提高其处理海量高维数据的能力。选用EUNITE提供的真实电力负荷数据进行算例分析,在32节点云计算集群上进行实验,结果表明基于该模型的负荷预测精度均优于传统支持向量回归预测算法和泛化神经网络预测算法,且提出的算法具有优异的并行性能。 展开更多
关键词 云计算 负荷预测 极限学习机 在线序列优化
在线阅读 下载PDF
改进在线贯序极限学习机在模式识别中的应用 被引量:13
18
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
WOS-ELM算法在入侵检测中的研究 被引量:8
19
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
MapReduce框架下的实时大数据图像分类 被引量:7
20
作者 张晶 冯林 +1 位作者 王乐 刘胜蓝 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2014年第8期1263-1271,共9页
图像数据作为大数据的重要组成部分蕴含着丰富的知识,且图像分类有着广泛的应用,利用传统分类方法已经无法满足实时计算的需求.针对此问题,提出并行在线极端学习机算法.首先利用在线极端学习机理论得到隐层输出权值矩阵;其次根据MapRed... 图像数据作为大数据的重要组成部分蕴含着丰富的知识,且图像分类有着广泛的应用,利用传统分类方法已经无法满足实时计算的需求.针对此问题,提出并行在线极端学习机算法.首先利用在线极端学习机理论得到隐层输出权值矩阵;其次根据MapReduce计算框架的特点对该矩阵进行分割,以代替原有大规模矩阵累乘操作,并将分割后的多个矩阵在不同工作节点上并行计算;最后将计算节点上的结果按键值合并,得到最终的分类器.在保证原有计算精度的前提下,将文中算法在MapReduce框架上进行拓展,以人脸图像为例对大规模图像数据进行分类的结果表明,该算法能够针对大数据图像进行快速、准确的分类. 展开更多
关键词 大数据 MAPREDUCE 在线极端学习机 人脸识别
在线阅读 下载PDF
上一页 1 2 5 下一页 到第
使用帮助 返回顶部