基于博弈论准确性和差异性兼优的选择性集成建模方法及其应用
集成学习相较于单模型具有更好的预测精度和泛化能力,被广泛应用于工业过程的质量预测.基学习器之间的多样性和基学习器的准确性对集成的泛化能力影响极大.为了进一步提高集成模型的泛化能力,提出一种同时考虑准确性和差异性的选择性集成建模方法.以在线极限学习机作为基学习器,将基学习器的准确性和基学习器对集成模型多样性的贡献率作为博弈双方,利用博弈论原理求解得出使集成模型准确性和多样性都达到最优的选择方案,使集成模型的准确性和多样性兼优;模型预测完成后,综合当前误差和历史记录误差对基学习器的权重进行在线更新,实现在线测量阶段对建模对象特性的动态自适应.最后,使用公开数据集和实际工业数据验证了所提算法的合理性和有效性.
软测量模型、选择性集成、概念漂移、博弈论、在线极限学习机、自适应学习
47
U461;TP308(汽车工程)
国家重点研发计划资助项目2017YFB0306404
2021-01-20(万方平台首次上网日期,不代表论文的发表时间)
共8页
32-39