检索结果-南通市图书馆

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

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

自动化学报 2022年第12期48卷 3024-3041页

作者：王振东刘尧迪杨书新王俊岭李大海江西理工大学信息工程学院赣州341000

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... 详细信息

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.

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

基于相似日和改进正则化极限学习机的短期风电功率区间预测研究

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于相似日和改进正则化极限学习机的短期风电功率区间预测研究

作者：蒋子尧河北科技大学

学位级别：硕士

随着全球化石能源储量的不断减少,人类需要一种可再生的清洁能源以满足生产生活的需要。风能具有清洁且储量丰富的特征,近年来受到广泛关注。“十四五”规划实施以来,我国风力发电产业飞速发展。然而,风电具有波动性和随机性的特点,为... 详细信息

随着全球化石能源储量的不断减少,人类需要一种可再生的清洁能源以满足生产生活的需要。风能具有清洁且储量丰富的特征,近年来受到广泛关注。“十四五”规划实施以来,我国风力发电产业飞速发展。然而,风电具有波动性和随机性的特点,为风电消纳和电网的稳定运行带来挑战。精确可靠的风电功率预测系统可以为电网和发电企业提供安排调度和生产计划的依据,对提高风能利用率,改善“弃风”现象具有重要意义。基于上述背景,本文分别从重构模型的训练样本、提高短期风电功率预测精度、验证风电功率预测的不同技术路线及提高风电功率预测模型的抗干扰性四方面进行研究分析,主要包括以下内容。针对训练样本数过多导致难以对模型进行针对性训练的问题,本文以一座位于土耳其的风力发电机所记录的数据集为例,提出将能够同时处理数值属性和分类属性的K-prototypes聚类算法应用于风电功率预测模型的相似日选取和训练样本重构中,并以Pearson相关系数为指标验证了聚类算法的效果。之后,分别以未经聚类和聚类后的数据作为训练样本训练正则化极限学习机（RELM）,并对同一天的风电功率进行预测。结果显示以聚类后数据作为训练样本的样本的RELM模型误差指标较优,验证了所提聚类算法在风电功率预测模型中的有效性。针对正则化极限学习机参数不确定影响预测效果的问题,本文提出将改进权重系数的非线性动态自适应粒子群算法（NDAPSO）应用于对RELM的参数寻优中,结果证明相对传统粒子群算法,NDAPSO算法具有更快的收敛速度和更好的寻优效果。对于寻优过程中可能存在的局部最优问题,本文将Adaboost集成学习算法与KNDAPSO-RELM模型结合,降低了局部最优对预测结果的不利影响,并设置了寻优过程的跳出机制,提高了集成学习模型的训练速度。与包括高斯过程回归（GPR）、随机森林等其它几种模型的误差指标进行对比,验证了本文所提模型的优越性。目前对风电功率预测的研究主要集中在通过历史功率的时间序列预测和通过数值天气预报预测的两种技术路线上。本文对基于时间序列预测的理论基础进行了阐述,验证了用于模型训练的最优时间序列长度,将其预测结果分别与基于精确NWP数据和基于引入5%误差的NWP数据的预测模型进行对比,并对所提模型在训练样本减半的情况下的预测性能进行了验证。结果证明,基于时间序列的风电功率预测模型适合于风电功率的超短期预测,可在时效性上与基于NWP数据的预测方法进行配合,同时适合于无法获取精确NWP数据的风力发电场。针对确定性预测模型无法处理NWP误差不确定性以及传统上下限估计法难以与集成学习模型融合的问题,采用两个独立的Adaboost-K-NDAPSO-RELM模型结合Nelder-Mead单纯形算法组成改进的上下限估计法模型。在对其预测指标进行了验证后,结果显示,结合改进上下限估计法的Adaboost-K-NDAPSO-RELM模型的平均预测区间覆盖率（PICP）,预测区间归一化平均宽度（PINAW）和覆盖宽度标准（CWC）指标优于Bootstrap法与蒙特卡洛法区间预测模型,并在对NWP数据引入5%误差时仍保持可靠性,具有良好的抗干扰性能。

关键词：风电功率预测聚类算法正则化极限学习机粒子群算法区间预测

基于流形正则化极限学习机的文本分类算法研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

计算机工程 2019年第6期45卷 242-248页

作者：庞皓明冀俊忠刘金铎姚垚北京工业大学多媒体与智能软件技术北京市重点实验室

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... 详细信息

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%。

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

基于QPSO正则化极限学习机的轴承故障诊断

在线全文

学校读者我要写书评

暂无评论

组合机床与自动化加工技术 2021年第3期 36-40页

作者：刘鑫任海莉太原科技大学电子信息工程学院太原030024

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... 详细信息

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。

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

基于遗传算法和正则化极限学习机的PM2.5浓度预测研究

在线全文

学校读者我要写书评

暂无评论

计算机科学与应用 2018年第8期8卷 1207-1216页

作者：翁福添张天乐侯木舟罗建书中南大学数学与统计学院湖南长沙国防科技大学理学院湖南长沙

环境质量与人们的健康息息相关,一直是研究的热点。本文选取长沙市2017年NO2、PM10等大气数据对PM2.5日均值进行预测,采用BIC准则进行特征选择。在传统的超限学习机(ELM)的基础上,引入正则化项以控制模型的复杂度,并用遗传算法(GA)对模... 详细信息

环境质量与人们的健康息息相关,一直是研究的热点。本文选取长沙市2017年NO2、PM10等大气数据对PM2.5日均值进行预测,采用BIC准则进行特征选择。在传统的超限学习机(ELM)的基础上,引入正则化项以控制模型的复杂度,并用遗传算法(GA)对模型的输入层权重矩阵和隐含层阈值矩阵进行优化,建立遗传算法和正则化极限学习机(GA-RE-ELM)的PM2.5预测模型。实验表明,该模型相比BP神经网络、超限学习机有更好的精度,均方误差分别降低了35.09%、25.49%,平均绝对误差分别降低了40.86%、30.80%,平均绝对百分误差分别降低了45.49%、31.65%,为PM2.5浓度的预测提供一种新的方法。

关键词：遗传算法正则化极限学习机 PM2.5浓度预测

考虑变形因子模式下基于正则化极限学习机的大坝变形预报方法

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

贵州大学学报（自然科学版） 2015年第6期32卷 57-61页

作者：范千方绪华福州大学土木工程学院福建福州350108 广西空间信息与测绘重点实验室广西桂林541004

本文将结构风险最小化原则引入极限学习机模型,建立了在考虑变形因子模式下大坝变形预报的正则化极限学习机模型。该模型不仅计算速度较快,而且具有较强的泛化能力。通过对实际工程监测数据的详细分析,结果表明正则化极限学习机模型可... 详细信息

本文将结构风险最小化原则引入极限学习机模型,建立了在考虑变形因子模式下大坝变形预报的正则化极限学习机模型。该模型不仅计算速度较快,而且具有较强的泛化能力。通过对实际工程监测数据的详细分析,结果表明正则化极限学习机模型可以避免原极限学习机模型会导致过学习现象发生的可能,且其预报精度要优于原极限学习机模型、支持向量机模型与BP神经网络模型。显示了将其应用于大坝变形数据分析与预报领域是完全行之有效的。

关键词：结构风险最小化正则化极限学习机过学习变形因子大坝变形预报

基于MIC和IPSO-RELM的带钢热镀锌板锌层厚度预测

在线全文

学校读者我要写书评

暂无评论

热加工工艺 2024年

作者：方军王兴东汪洋吴宗武丁健宝信软件武汉有限公司武汉科技大学冶金装备及其控制教育部重点试验室宝钢股份武汉钢铁有限公司

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... 详细信息

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R2为94.66%，预测误差在-4～4 g/m2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。

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

基于LDA-IBES-RELM的光伏阵列故障诊断方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

上海电机学院学报 2024年第1期27卷 1-6,19页

作者：邹凯曾宪文王洋高桂革(指导) 上海电机学院电气学院上海201306 上海电机学院电子信息学院上海201306

针对光伏阵列故障诊断准确率偏低的问题,提出了一种基于改进秃鹰搜索算法(IBES)优化正则化极限学习机(RELM)的故障诊断方法。首先在Simulink建立光伏阵列仿真模型,模拟典型故障并提取故障特征数据,同时利用线性判别分析(LDA)对特征量降... 详细信息

针对光伏阵列故障诊断准确率偏低的问题,提出了一种基于改进秃鹰搜索算法(IBES)优化正则化极限学习机(RELM)的故障诊断方法。首先在Simulink建立光伏阵列仿真模型,模拟典型故障并提取故障特征数据,同时利用线性判别分析(LDA)对特征量降维作为故障诊断模型的输入;其次利用Logistic混沌映射、Levy飞行策略和柯西高斯变异扰动策略对秃鹰算法进行改进;最后将IBES用于对RELM的隐层参数寻优。实验结果表明:LDA-IBES-RELM模型与BES-RELM、IBES-RELM模型对比,得到的故障诊断准确率为97.71%,优于其他两种模型,验证了LDA-IBESRELM模型用于光伏阵列故障诊断的有效性和实用性。

关键词：正则化极限学习机光伏阵列故障诊断改进秃鹰搜索算法线性判别分析

基于WPT-ISO-RELM模型的月径流时间序列预测研究

在线全文

学校读者我要写书评

暂无评论

水力发电 2024年第3期50卷 12-18,38页

作者：王应武白栩嘉崔东文云南省水利水电勘测设计研究院云南昆明650021 云南省文山州水务局云南文山663000

为提高月径流时间序列的预测精度,提升基本蛇群优化(SO)算法搜索能力,同时提升正则化极限学习机(RELM)预测性能,提出了小波包变换(WPT)-改进蛇群优化(ISO)算法-RELM预测模型。首先,利用WPT将月径流时间序列分解为低频分量和高频分量;其... 详细信息

为提高月径流时间序列的预测精度,提升基本蛇群优化(SO)算法搜索能力,同时提升正则化极限学习机(RELM)预测性能,提出了小波包变换(WPT)-改进蛇群优化(ISO)算法-RELM预测模型。首先,利用WPT将月径流时间序列分解为低频分量和高频分量;其次,通过构建8个RELM超参数寻优适应度函数对ISO寻优能力进行检验,并与SO算法、灰狼优化(GWO)算法、变色龙群算法(CSA)、鲸鱼优化算法(WOA)、樽海鞘群体算法(SSA)、侏獴优化算法(DMO)、粒子群优化算法(PSO)的优化结果作对比;最后,建立WPT-ISO-RELM模型,并构建包含WPT-SO-RELM在内的17种模型作对比模型,通过黑河流域莺落峡水文站、讨赖河水文站2个月径流预测实例对各模型进行验证。结果表明:①ISO寻优精度优于SO、GWO、CSA、WOA、SSA、DMO、PSO,通过关键参数的改进,能有效提升ISO的极值寻优能力和平衡能力;②WPT-ISO-RELM模型对莺落峡水文站、讨赖河水文站月径流预测的平均绝对百分比误差分别为0.854%、0.447%,平均绝对误差分别为0.245、0.068 m^(3)/s,纳什效率系数均在0.9999以上,优于其他对比模型,具有更高的预测精度和更好的稳健性;③ISO对于高维和低维问题均具有较好的优化效果,算法寻优能力对提升RELM预测精度十分关键,算法优化性能越强,寻优精度越高,由此获得的RELM超参数越优,所构建的模型预测性能越好。

关键词：月径流预测正则化极限学习机改进蛇群优化算法小波包变换群体智能算法超参数优化