文献类型：期刊文章

作　　者：张德全[1] 魏忠军[2] 汤健[3] 赵立杰[4]

机构地区：[1]中国人民解放军92493部队98分队 [2]中国人民解放军92721部队 [3]中国人民解放军92941部队 [4]沈阳化工大学信息工程学院

出　　处：《控制工程》

基　　金：国家自然科学基金项目(61203102);国家自然科学基金重点项目(60534010);中国博士后自然科学基金(2013M532118)

年　　份：2013

卷　　号：20

期　　号：6

起止页码：1127-1130

语　　种：中文

收录情况：AJ、BDHX、BDHX2011、CSA、CSA-PROQEUST、CSCD、CSCD2013_2014、ZGKJHX、核心刊

摘　　要：基于核方法的软测量模型的核类型、核参数及学习参数影响模型泛化性能,而且核类型和核参数还与建模数据相关,难以有效选择;常用的基于支持向量机(SVM)的建模算法虽然泛化性好,除了模型的学习参数难以选择外,其学习速度较慢。为解决这些问题,提出了基于进化算法优化的混合核极限学习机建模方法。该方法选用具有较快学习速度和较好泛化性能的核极限学习机(KELM)算法建立软测量模型,其核函数则采用具有局部和全局特性的径向基(RBF)核函数和多项式核函数加权得到的混合核函数。软测量模型的相关参数,即混合核的权系数、核参数及和KLELM模型的惩罚参数通过进化算法同时优化选择。最后采用基于近红外谱(NIR)数据建立的软测量模型验证了所提方法的有效性。

关 键 词：软测量 混合核函数 核极限学习机(KELM)  进化算法

分 类 号：TP29]