|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于高光谱图像和光谱信息融合的马铃薯多指标检测方法显示文摘针对随机放置的马铃薯缺陷多项指标难以同时检测的问题,提出了一种基于高光谱信息融合的流形学习降维算法与极限学习机(extreme learning machine,ELM)相结合的方法,该方法可同时识别马铃薯的多项缺陷指标。分别采集发芽、绿皮、黑心和合格马铃薯的反射高光谱数据(390~1 040 nm),在光谱维,提取马铃薯样本感兴趣区域(region of interest,ROI)的平均光谱,分别采用扩散映射(diffusion maps,DM)、局部线性嵌入(locally linear embedding,LLE)和海森局部线性嵌入(hessian locally linear embedding,HLLE)3种流形学习降维算法对光谱数据进行降维;在图像维,对马铃薯伪彩色图像进行形态学处理,获取基于灰度共生矩阵(gray level co-occurrence matrix,GLCM)的图像纹理信息,采用连续投影算法(successive projections algorithm,SPA)优选图像纹理特征;融合光谱维信息和图像维信息,分别建立基于极限学习机(ELM)与支持向量机(support vector machine,SVM)的马铃薯多分类识别模型。结果表明,扩散映射结合极限学习机(DM-ELM)模型的预测结果较优,该模型对发芽、绿皮、黑心和合格马铃薯样本的单一识别率分别为97.30%、93.55%、94.44%和100%,混合识别率达到96.58%,时间为0.11 s,可知高光谱信息融合技术结合流形学习降维算法可同时识别随机放置马铃薯的多种缺陷指标。 | 金瑞 李小昱 颜伊芸 徐梦玲 库静 徐森淼 胡雪雪 | 2015 | 农业工程学报2015，31，16： | 25 |
| 2 | 基于组合模型的短时交通流量预测显示文摘为了进一步提高交通流预测的精度,根据交通流的固有特点,提出了一种短时交通流预测组合模型。该模型包括灰色算法和ELM (ExtremeLearningMachine)神经网络2个子模型:灰色算法对平稳数据预测精度较好,ELM神经网络具有训练时间短,预测精度高,抗干扰能力强的特点。在对交通流量的数据特点和子模型不同预测原理分析的基础上,通过计算交通流数据波动的大小和两种子模型的预测误差,确定子模型预测结果在组合模型中所占的权重,然后进一步得到基于组合模型的预测值。通过实验证实,所提方法优于现有的一些成果,是一种短时交通流预测的有效方法。 | 钱伟 车凯 李冰锋 | 2019 | 控制工程2019，26，1： | 24 |
| 3 | 基于ELM-KNN算法的网络入侵检测模型显示文摘针对传统神经网络算法在处理入侵检测问题时易陷入局部极小导致分类正确率不高的问题,提出基于极限学习机(ELM)特征映射的K最近邻(KNN)算法的网络入侵检测模型。利用ELM算法将低维输入空间中复杂线性不可分的样本投影到高维特征空间,使其线性可分,用KNN算法对投影到高维特征空间的样本进行分类,建立入侵检测分类器。采用KDD Cup99数据集的仿真结果表明,相比其它入侵检测方法,基于ELM-KNN算法的入侵检测模型提高了入侵检测正确率。 | 顾兆军 李冰 刘涛 | 2018 | 计算机工程与设计2018，39，8： | 16 |
| 4 | 基于主成分分析的粮食产量极限学习机预测模型研究显示文摘为了提高粮食产量预测的准确性,针对我国粮食产量受到多因素影响且呈非线性关系的特点,提出主成分分析和极限学习相结合的粮食产量短期精准预测方法。首先计算各影响因素与粮食产量之间的相关系数,利用主成分分析方法构建影响粮食产量的主要成分,从而降低影响因子的维度。其次,根据粮食数据样本集少、输入变量与输出变量间呈非线性关系的特点,构建粮食产量的极限学习机预测模型并对模型参数进行比较优化。最后,通过对实际粮食产量数据的应用以及与其它预测方法的比较,研究模型的预测精度。结果表明,基于极限学习机的粮食产量预测模型的3年及5年预测误差分别为1.9%和2.08%,相比于BP神经网络模型和多项式拟合模型而言,预测精度大幅提高,能够实现粮食产量的短期精准预测。 | 樊超 郭亚菲 曹培格 杨铁军 | 2017 | 粮食加工2017，42，2： | 16 |
| 5 | 基于灰色ELM神经网络的短时交通流量预测显示文摘为了提高短时交通流预测的精度,针对现有灰色模型,利用一阶线性微分白化方程拟合交通流数据。针对交通流数据波动性较高和易失真的缺点,提出一种基于灰色ELM神经网络的短时交通流预测方法。首先对短时交通流数据采用灰色模型累加处理,将其转化为长时交通流数据,以降低交通流数据的随机性,有效减小因数据本身波动造成的误差。然后,利用ELM神经网络代替一阶线性微分白化方程,对长时交通流进行预测。最后,将长时交通流预测结果经过累减还原为短时交通流预测结果,有效提高了预测精度。仿真验证结果表明,相比于现有的一些预测方法,该方法提高了预测精度,是一种有效的短时交通流预测方法。 | 景辉鑫 钱伟 车凯 | 2019 | 河南理工大学学报(自然科学版)2019，38，2： | 15 |
| 6 | 基于新型智能算法ELM的滑坡变形位移预测显示文摘针对采用经典智能算法进行滑坡变形预测时存在学习速度慢、网络结构参数选取复杂等问题,构建了基于新型智能算法ELM(Extreme Learning Machine)的滑坡位移预测模型,采用二值区间搜索算法选定最佳隐层神经元个数和激励函数,并融入数据滚动建模思想,以期提高网络泛化能力和预测精度。以链子崖、古树屋两滑坡体为例,将ELM与经典智能算法LMBP、RBF的预测效果进行对比,算例结果表明:ELM算法具有较高的预测精度,且在网络学习速度等方面优势明显。 | 高彩云 | 2017 | 人民长江2017，48，7： | 14 |
| 7 | 基于介电频谱技术的甜瓜品种无损检测显示文摘研究应用介电频谱技术实现对甜瓜的无损、快速及准确分类。以陕西杨凌某4家大棚外形相似的'红阎良'、'新早蜜'、'208'及'玛瑙'等4类成熟甜瓜为研究对象,采用矢量网络分析仪测量共246个样品在20 MHz^4 500 MHz的介电频谱。用Kennard-Stone方法划分校正集与验证集,分别建立支持向量机(support vector machine,SVM)和极限学习机(extremelearning machine,ELM)种类判别模型,并比较全频谱(full frequencies,FF)、连续投影算法(successive projectionalgorithm,SPA)和主成分分析(principal componentanalysis,PCA)等不同预处理方法对模型精度的影响。结果表明:1)所建6个判别模型验证集总正确率均大于96%,均可用于甜瓜种类的判别。2)对比3种预处理方法,FF完好地保留了样品的原始信息,2种判别模型的验证集总正确率都达到了100%,但由于存在干扰信息导致模型稳定性不好;PCA方法选择能代表原谱信息99.99%的前10个主成分信息用来建模,能有效简化模型,但验证集每个模型均有误判,两种判别模型总正确率分别为96.72%及98.36%;SPA从202个变量中提取17个特征变量参与建模,验证模型整体稳定性较其他两种好,总正确率分别达到96.72%和100%。3)综合考虑判别模型的验证集总正确率及模型稳定性,SPA-ELM模型判别效果最好,验证集总正确率达到100%,更适用于基于介电频谱的甜瓜种类判别。因此,基于甜瓜的介电频谱,通过支持向量机和极限学习机方法可以成功区分甜瓜种类,为甜瓜的无损检测及分类研究提供了一种新方法。 | 王转卫 赵春江 商亮 孔繁荣 翁小凤 | 2017 | 农业工程学报2017，33，9： | 13 |
| 8 | 随机权神经网络研究现状与展望显示文摘神经网络随机学习克服了传统梯度类算法所固有的收敛速度慢及局部极小问题,最近已成为神经网络领域的研究热点之一。基于随机学习的思想,人们设计了不同结构的随机权神经网络模型。本文旨在回顾总结随机权神经网络的研究现状基础上,给出其发展趋势。首先,提出随机权神经网络简化模型,并基于简化模型给出神经网络随机学习算法;其次,回顾总结随机权神经网络研究现状,基于简化模型分析不同结构随机权神经网络的性能及随机权初始化方法;最后,给出随机权神经网络今后的发展趋势。 | 乔俊飞 李凡军 杨翠丽 | 2016 | 智能系统学报2016，11，6： | 11 |
| 9 | 基于机械比能理论的煤岩可钻性分级方法显示文摘通过机械比能对煤矿瓦斯抽采钻孔过程中的围岩进行可钻性分级,可为钻机调整钻进参数提供依据。针对瓦斯抽采钻孔过程中人工判层难度大、效率低的问题,提出一种以机械比能为可钻性评价指标,结合极限学习机的煤岩可钻性分级方法。采用ABAQUS建立了PDC钻头破岩仿真模型,从材料类型、钻头转速和钻压力三个方面研究了PDC钻头破岩过程中钻进速度和机械比能的变化规律。同时,获得了钻进参数及机械比能的训练数据,采用极限学习机分别对钻进参数和机械比能数据进行学习,最后,对这两种可钻性分级指标下的分级准确率进行对比。结果表明:以机械比能作为可钻性指标时的分级准确率达到90%以上,高于以钻进参数作为可钻性指标时的准确率。分级结果可以为钻机调整钻进参数、实现自适应钻进提供理论依据。 | 谢志江 常雪 杨林 皮阳军 | 2021 | 煤田地质与勘探2021，49，3： | 7 |
| 10 | 基于PSO-DELM的手机上网流量预测方法显示文摘为提高手机上网流量预测的精度,提出一种使用粒子群算法优化深度极限学习机的手机上网流量预测方法。流量数据具有非线性、自相似性和长相关性的特性,且以时间刻度为单位记录。通过对具有时序性质的一维流量数据重新排列组合,产生新的多维流量数据样本集,采用PSO算法优化DELM中的多个隐含层的神经元个数构成PSO-DELM组合模型进行流量预测。实验结果表明,PSO-DELM模型预测的效果明显优于其它模型,能更好满足流量预测的实时性和高精度的要求。 | 周莉 刘东 郑晓亮 | 2021 | 计算机工程与设计2021，42，2： | 7 |
| 11 | 基于K-均值聚类与粒子群核极限学习机的推力估计器设计显示文摘鉴于航空发动机直接推力控制与健康管理需要高精度及高实时性的推力估计器,提出了一种基于K-均值聚类与粒子群优化的核极限学习机推力估计方法。采用K-均值聚类对全工况范围内的测量数据进行聚类,在每一个子类中,通过核极限学习机建立推力估计器,采用粒子群算法对核极限学习机的核参数和惩罚系数进行优化,利用了核极限学习机稳定性好、非线性拟合能力强的特点,实现了对发动机推力的估计。经涡扇发动机台架试车数据训练与测试表明,本推力估计方法平均预测时间为0.27ms,实时性满足机载在线状态评估和直接推力控制需求,且在估计精度上较现有方法存在一定优势。 | 赵姝帆 李本威 宋汉强 逄珊 朱飞翔 | 2019 | 推进技术2019，40，2： | 6 |
| 12 | 基于QPSO-ELM的某型涡轴发动机起动过程模型辨识显示文摘针对解析法建立某型涡轴发动机起动过程模型困难的问题,提出一种基于量子粒子群优化-极限学习机(QPSO-ELM)的某型涡轴发动机起动过程模型数据驱动辨识方法。首先构建基于状态空间法描述的某型涡轴发动机起动过程分段模型,然后结合发动机起动试验数据,采用QPSO-ELM算法对该起动模型进行辨识,试验结果表明:燃气发生器转子转速、发动机输出轴转速和燃气涡轮后温度的辨识结果都良好地逼近了实测数据,最大相对误差的均值分别为1.358%、1.628%和2.195%,满足实际应用的精度需求,并且QPSO-ELM的辨识精度优于极限学习机(ELM)、支持向量机(SVM)和反向传播(BP)神经网络。 | 伍恒 李本威 张赟 杨欣毅 | 2018 | 航空学报2018，39，11： | 5 |
| 13 | 超限学习机在高速公路路基沉降预测中的应用显示文摘为了探索超限学习机在路基沉降预测应用中的潜力和优势,以湖南省某高速公路为研究对象,通过超限学习机算法对路基多个断面的实测沉降数据进行了预测建模,并与BP神经网络和支持向量机进行了对比分析。研究结果表明,采用超限学习机对K4+300断面和K20+840断面的预测值的最大相对误差分别为0.199%和0.176%,精度明显优于BP神经网络和支持向量机。故超限学习机能够对路基沉降做出较为科学、合理的预测。 | 郭云开 朱善宽 刘磊 李丹娜 刘宁 孙也盛 | 2017 | 长沙理工大学学报(自然科学版)2017，14，4： | 5 |
| 14 | 氧化铝焙烧炉内温度智能优化控制显示文摘为了降低生产成本、提高氧化铝产品质量,提出了一种氧化铝焙烧炉内温度智能优化控制方法。首先,基于机理分析和灰关联分析法确定影响氧化铝焙烧炉内温度的关键参数,建立炉内温度的ELM网络预测模型,然后采用改进PSO对预测模型的参数进行优化;最后利用遗传算法的全局寻优能力寻找得到不同炉内温度下对应的最优操作参数值。通过实际生产数据进行仿真,仿真结果表明,优化控制方法可以较准确地预测焙烧炉内温度,同时得到预期指标范围内的操作参数值。 | 徐辰华 王尤军 林小峰 黄清宝 | 2017 | 计算机仿真2017，34，9： | 5 |
| 15 | 核极限学习机和激光诱导荧光技术在食用油识别中的应用显示文摘针对现有的食用油检测技术无法快速、准确地识别市售食用油的问题,提出了一种快速辨识食用油的方法。采用激光诱导荧光技术(LIF)获取油样的荧光光谱数据,然后采用主成分分析法提取光谱数据的特征信息,之后采用飞蛾-扑火优化器和核极限学习机相结合的算法建立多元分类学习模型,最后用该模型识别油样的类别。实验油样选取5种样本,每种样本采集150组荧光光谱,然后随机抽取600个样本用于学习模型的训练,剩余的150个用于测试训练好的模型。结果表明:在测试集上的平均分类准确率方面,该模型与极限学习机、反向传播神经网络相差不大,但该模型分类准确率的标准差远小于其他两种模型。这说明所建模型具有较稳定的分类性能,可以满足快速鉴别食用油的要求。 | 周孟然 王锦国 宋红萍 胡锋 来文豪 卞凯 | 2020 | 激光与光电子学进展2020，57，20： | 5 |
| 16 | 1960—2016年辽河流域极端降水时间序列变化显示文摘基于1960—2016年辽河流域37个连续性好的气象台站的日降水数据,采用多种方法分析辽河流域极端降水近56年的变化,并判断了辽河流域极端降水与ENSO的相关关系。研究结果表明:辽河流域在1960—2016年间降水的极端性总体呈不明显的下降趋势。辽河流域极端降水的综合得分在未来的变化趋势不显著,并与ENSO存在一定关系。 | 刘海金 | 2020 | 河北环境工程学院学报2020，30，4： | 4 |
| 17 | 基于智慧云的超高层建筑施工测控管理平台的研究显示文摘超高层建筑施工测控管理平台依托于云管理、云计算和智能分析,实现了超高层建筑的整体变形的自动化提取和表达、空间结构形态的精细化检测以及变形趋势的智慧预测。论文详细介绍了系统逻辑结构层次划分、系统功能的具体实现方法和核心技术。并结合在建的北京市第一高楼'中国尊'(528m)施工测控项目,完成了平台的应用研究与验证。该平台在超高层建筑施工的变形数据处理分析、主体结构检测和桁架卸载三维分析等方面应用效果良好,具备良好的数据处理、分析和管理能力。 | 邱冬炜 段明旭 丁克良 王彤 王来阳 | 2017 | 北京测绘2017，31，2S： | 4 |
| 18 | 基于多层正则极限学习机的煤矿突水光谱判别方法显示文摘为了快速而准确地判别煤矿突水水源类型,提出了一种构建多层正则极限学习机(M-RELM)模型的方法,该模型融合了非线性特征提取和分类学习。以激光诱导荧光(LIF)技术获取水样荧光光谱,作为模型的输入;以改进的自动编码器(AE)提取荧光光谱特征,形成模型隐含层的特征空间。为了减少光谱中噪声和异常对分类结果的影响,对极限学习机(ELM)算法进行了正则化优化,根据是否利用未知样本构造训练集,进行L2范数正则极限学习机(L2-RELM)或基于图的流形正则极限学习机(GM-RELM)优化,实现监督或半监督的分类学习。通过不同功能的隐含层之间进行传播,构建了多层正则化模型,完成了预训练和训练两个过程的融合。以淮南区域煤矿突水水样为实验对象,与支持向量机(SVM)和单隐含层极限学习机进行性能比较。在含有混合水的样集上,该模型的平均测试准确率可达到94%以上,训练时间为0.2s左右。在含有未知样本的所有水样集上,相比于L2-RELM模型,采用基于图的流形正则优化的GM-RELM模型的测试准确率可提升2%左右。实验结果表明,M-RELM模型更能适应煤矿突水水源的判别要求。 | 王亚 周孟然 陈瑞云 闫鹏程 胡锋 来文豪 | 2018 | 光学学报2018，38，7： | 4 |
| 19 | 优化极限学习机在城市轨道交通地表沉降预测中的应用显示文摘为了确保轨道交通隧道施工作业的正常进行及地表建构筑物的稳定安全,采用遗传算法(genetic algorithm,GA)对极限学习机(extreme learning machine,ELM)模型的输入权值和隐含层偏置进行优化,通过构建GA-ELM模型,实现对轨道交通施工隧道地表断面监测点实测数据进行变形预测研究,并将GA-ELM模型与ELM模型、传统BP(back progation)模型的变形预测结果进行对比分析。实验研究结果表明:优化后的ELM模型预测效果得到很好的改善,证明了GA-ELM预测模型在施工隧道地表沉降预测中的可靠性和适用性。 | 黎冶 陈铮 董振川 李浩标 张献州 | 2021 | 测绘地理信息2021，46，4： | 3 |
| 20 | 基于改进极限学习机的泥石流发生预测显示文摘为提高泥石流预测预报的准确性,提出一种基于DBSCAN聚类的改进极限学习机(ELM)算法。首先,利用DBSCAN算法对泥石流发生训练的数据进行聚类处理;其次,将聚类得到的不同训练集分类训练ELM分类器;最后,利用ELM分类器对预测集数据进行预测。实验结果表明,利用改进ELM算法对泥石流发生预测的平均准确率达到91.6%,改进ELM算法的稳定性与传统ELM算法相比有明显提高,与传统ELM算法、BP神经网络和Fisher预测法相比,改进ELM算法的预测精度更高。 | 曾鼎 曾勇 | 2020 | 计算机与现代化2020，，9： | 3 |
您所在的机构暂未开通此部分的功能，请联系管理员