一种稳健的boosting极限学习机集成建模方法,中国聚合物网，研究成果与合作

研究成果与合作

一种稳健的boosting极限学习机集成建模方法

成果基本信息

成果介绍

简介：	本发明涉及一种稳健的boosting极限学习机集成建模方法，首先对训练集中所有样本赋予相同的取样权重；根据样本的取样权重按照概率选取一定数目样本作为一个训练子集；用训练子集的样本建立极限学习机子模型，预测训练集中所有样本，得到预测浓度；根据训练集中每个样本已知浓度与预测浓度的误差来更新取样权重，对于预测误差大的样本加大取样权重；加入一个稳健步骤，将预测误差过大样本的取样权重设置为零；重复上述过程多次，建立多个极限学习机子模型。通过权重中位值法进行预测，得到最终预测结果。与传统极限学习机相比，该方法在预测精度、稳健性和稳定性方面具有明显优势。本发明适用于复杂样品的光谱定量分析。

联系方式

登录后查看

信息来源：