堆叠隐空间模糊C回归算法及其在发酵数据多模型建模中的应用

发布时间：2017-12-27 00:05

  本文关键词：堆叠隐空间模糊C回归算法及其在发酵数据多模型建模中的应用　出处：《智能系统学报》2016年05期 　论文类型：期刊论文

  更多相关文章： 隐空间映射 极限学习机 主成分分析 模糊C回归算法 多层神经网络 多模型建模

【摘要】：切换回归算法FCR的性能容易受到噪声点以及离群点的影响,同时该算法对于复杂数据的处理能力较差。对此,文中提出一种基于堆叠隐空间的模糊C回归算法。该算法将基于ELM特征映射技术,利用主成分分析进行特征提取,再结合多层前馈神经网络学习结构对隐空间进行多次扩展和压缩。实验结果表明,该算法具有更好的抗噪性能,对模糊指数的变化不敏感,同时在处理复杂数据以及在多模型建模中更加精确、高效、稳定。
[Abstract]:The performance of the switched regression algorithm FCR is easily affected by the noise point and outlier, and the algorithm is poor in the processing of complex data. In this regard, a fuzzy C regression algorithm based on stacked hidden space is proposed in this paper. The algorithm based on ELM feature mapping technology, using principal component analysis to extract features, combined with multilayer feed-forward neural network learning structure to expand and compress the hidden space many times. Experimental results show that the algorithm has better noise immunity and is not sensitive to the change of fuzzy index, and it is more precise, efficient and stable in dealing with complex data and modeling multiple models.
【作者单位】： 江南大学数字媒体学院;
【基金】：国家自然科学基金项目(61300151) 江苏省自然科学基金项目(BK20130155,BK20130160)
【分类号】：TP18
【正文快照】： 切换回归模型在经济、数据挖掘等领域中有着广泛的应用。近年来,基于模糊聚类分析[1-4]的切换回归技术得到了广泛的研究。如文献[5]在模糊C均值聚类算法(fuzzy C clustering algorithm,FCM)的基础上提出了模糊C均值回归算法(fuzzy C re- gression algorithm,FCR)算法,从而实

【相似文献】

相关期刊论文 前10条

1 赵旦峰;许聪;张杨;;基于固定半径包围球的核向量回归算法[J];系统工程与电子技术;2009年12期

2 孙德山;赵君;高懫葵;郑平;刘小菲;;基于一类分类的线性规划支持向量回归算法[J];计算机科学;2014年04期

3 何海江;何文德;刘华富;;集成最近邻规则的半监督顺序回归算法[J];计算机应用;2010年04期

4 张倩;李明;王雪松;;基于密度分布的半监督回归算法研究[J];工矿自动化;2012年03期

5 钟美霞;邢延;;产品能耗规律性提取的平稳化自回归算法[J];电脑编程技巧与维护;2012年22期

6 王浩亮;王丽莉;;基于成本代价的分布式逻辑回归算法在煤炭系统中的研究与应用[J];煤炭技术;2013年08期

7 孙德山;郭昶;徐婷;;基于一类分类的非线性回归算法[J];计算机工程与科学;2012年07期

8 罗泽举;朱思铭;;新型ε-不敏感损失函数支持向量诱导回归算法及售后服务数据模型预测系统[J];计算机科学;2005年08期

9 孙德山,吴今培,侯振挺,肖健华;单参数支持向量回归算法[J];系统工程学报;2005年01期

10 涂建平;蔡佳;;基于光滑化方法的支持向量回归算法[J];湖北大学学报(自然科学版);2006年01期

相关会议论文 前1条

1 赵英刚;刘仰光;何钦铭;;一种区间型支持向量回归算法及其在网络信息挖掘中的应用[A];第25届中国控制会议论文集（中册）[C];2006年

相关博士学位论文 前1条

1 郑逢德;支撑向量回归算法及其应用研究[D];北京工业大学;2012年

相关硕士学位论文 前8条

1 董亚东;面向不平衡分类的逻辑回归算法[D];郑州大学;2015年

2 高采葵;基于一类分类的线性规划支持向量回归算法[D];辽宁师范大学;2015年

3 刘子阳;支持向量回归算法及应用研究[D];大连理工大学;2007年

4 张际雄;正则化回归算法学习速度的一种估计[D];杭州师范大学;2011年

5 方波;基于回归算法的测色仪器研究[D];华中科技大学;2006年

6 邵帅;基于CUDA的符号回归算法并行设计与实现[D];西安电子科技大学;2012年

7 周骥;在线学习及其在智能交通与金融工程中的应用[D];复旦大学;2011年

8 吴金花;加权支持向量回归算法研究[D];辽宁师范大学;2009年

，

本文编号：1339399