基于分组遗传算法的集成多样性增强及其应用

U461%TP308; 为了解决复杂工业过程的概念漂移问题,提高集成学习模型的泛化性能,基于分组遗传算法,提出一种用于提升基学习器间多样性的建模方法.该方法以在线极限学习机作为基学习器,根据基学习器在滑动窗口上的性能对其进行分组,并执行进化操作,同时引入基因流概念,增加了基学习器间的多样性,提高了集成算法在处理概念漂移数据流时的预测性能.最后使用合成数据集和真实数据集验证了所提算法的合理性与有效性....

Full description

Saved in:
Bibliographic Details
Published in北京工业大学学报 Vol. 47; no. 8; pp. 886 - 894
Main Authors 陈双叶, 赵荣, 符寒光
Format Journal Article
LanguageChinese
Published 北京工业大学信息学部, 北京 100124%北京工业大学材料科学与工程学院, 北京 100124 01.08.2021
Subjects
集成学习
在线极限学习机
多样性
分组遗传算法
基因流
准确性
Online AccessGet full text
ISSN0254-0037
DOI10.11936/bjutxb2020110026

Cover

More Information
Summary:U461%TP308; 为了解决复杂工业过程的概念漂移问题,提高集成学习模型的泛化性能,基于分组遗传算法,提出一种用于提升基学习器间多样性的建模方法.该方法以在线极限学习机作为基学习器,根据基学习器在滑动窗口上的性能对其进行分组,并执行进化操作,同时引入基因流概念,增加了基学习器间的多样性,提高了集成算法在处理概念漂移数据流时的预测性能.最后使用合成数据集和真实数据集验证了所提算法的合理性与有效性.
ISSN:0254-0037
DOI:10.11936/bjutxb2020110026