本文關(guān)鍵詞：堆疊隱空間模糊C回歸算法及其在發(fā)酵數(shù)據(jù)多模型建模中的應(yīng)用　出處：《智能系統(tǒng)學(xué)報(bào)》2016年05期 　論文類型：期刊論文

  更多相關(guān)文章： 隱空間映射 極限學(xué)習(xí)機(jī) 主成分分析 模糊C回歸算法 多層神經(jīng)網(wǎng)絡(luò) 多模型建模

【摘要】：切換回歸算法FCR的性能容易受到噪聲點(diǎn)以及離群點(diǎn)的影響,同時(shí)該算法對于復(fù)雜數(shù)據(jù)的處理能力較差。對此,文中提出一種基于堆疊隱空間的模糊C回歸算法。該算法將基于ELM特征映射技術(shù),利用主成分分析進(jìn)行特征提取,再結(jié)合多層前饋神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)結(jié)構(gòu)對隱空間進(jìn)行多次擴(kuò)展和壓縮。實(shí)驗(yàn)結(jié)果表明,該算法具有更好的抗噪性能,對模糊指數(shù)的變化不敏感,同時(shí)在處理復(fù)雜數(shù)據(jù)以及在多模型建模中更加精確、高效、穩(wěn)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.
【作者單位】： 江南大學(xué)數(shù)字媒體學(xué)院;
【基金】：國家自然科學(xué)基金項(xiàng)目(61300151) 江蘇省自然科學(xué)基金項(xiàng)目(BK20130155,BK20130160)
【分類號(hào)】：TP18
【正文快照】： 切換回歸模型在經(jīng)濟(jì)、數(shù)據(jù)挖掘等領(lǐng)域中有著廣泛的應(yīng)用。近年來,基于模糊聚類分析[1-4]的切換回歸技術(shù)得到了廣泛的研究。如文獻(xiàn)[5]在模糊C均值聚類算法(fuzzy C clustering algorithm,FCM)的基礎(chǔ)上提出了模糊C均值回歸算法(fuzzy C re- gression algorithm,FCR)算法,從而實(shí)

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙旦峰;許聰;張楊;;基于固定半徑包圍球的核向量回歸算法[J];系統(tǒng)工程與電子技術(shù);2009年12期

2 孫德山;趙君;高懫葵;鄭平;劉小菲;;基于一類分類的線性規(guī)劃支持向量回歸算法[J];計(jì)算機(jī)科學(xué);2014年04期

3 何海江;何文德;劉華富;;集成最近鄰規(guī)則的半監(jiān)督順序回歸算法[J];計(jì)算機(jī)應(yīng)用;2010年04期

4 張倩;李明;王雪松;;基于密度分布的半監(jiān)督回歸算法研究[J];工礦自動(dòng)化;2012年03期

5 鐘美霞;邢延;;產(chǎn)品能耗規(guī)律性提取的平穩(wěn)化自回歸算法[J];電腦編程技巧與維護(hù);2012年22期

6 王浩亮;王麗莉;;基于成本代價(jià)的分布式邏輯回歸算法在煤炭系統(tǒng)中的研究與應(yīng)用[J];煤炭技術(shù);2013年08期

7 孫德山;郭昶;徐婷;;基于一類分類的非線性回歸算法[J];計(jì)算機(jī)工程與科學(xué);2012年07期

8 羅澤舉;朱思銘;;新型ε-不敏感損失函數(shù)支持向量誘導(dǎo)回歸算法及售后服務(wù)數(shù)據(jù)模型預(yù)測系統(tǒng)[J];計(jì)算機(jī)科學(xué);2005年08期

9 孫德山,吳今培,侯振挺,肖健華;單參數(shù)支持向量回歸算法[J];系統(tǒng)工程學(xué)報(bào);2005年01期

10 涂建平;蔡佳;;基于光滑化方法的支持向量回歸算法[J];湖北大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年01期

相關(guān)會(huì)議論文 前1條

1 趙英剛;劉仰光;何欽銘;;一種區(qū)間型支持向量回歸算法及其在網(wǎng)絡(luò)信息挖掘中的應(yīng)用[A];第25屆中國控制會(huì)議論文集（中冊）[C];2006年

相關(guān)博士學(xué)位論文 前1條

1 鄭逢德;支撐向量回歸算法及其應(yīng)用研究[D];北京工業(yè)大學(xué);2012年

相關(guān)碩士學(xué)位論文 前8條

1 董亞東;面向不平衡分類的邏輯回歸算法[D];鄭州大學(xué);2015年

2 高采葵;基于一類分類的線性規(guī)劃支持向量回歸算法[D];遼寧師范大學(xué);2015年

3 劉子陽;支持向量回歸算法及應(yīng)用研究[D];大連理工大學(xué);2007年

4 張際雄;正則化回歸算法學(xué)習(xí)速度的一種估計(jì)[D];杭州師范大學(xué);2011年

5 方波;基于回歸算法的測色儀器研究[D];華中科技大學(xué);2006年

6 邵帥;基于CUDA的符號(hào)回歸算法并行設(shè)計(jì)與實(shí)現(xiàn)[D];西安電子科技大學(xué);2012年

7 周驥;在線學(xué)習(xí)及其在智能交通與金融工程中的應(yīng)用[D];復(fù)旦大學(xué);2011年

8 吳金花;加權(quán)支持向量回歸算法研究[D];遼寧師范大學(xué);2009年

，

本文編號(hào)：1339399