matlab源码

在新型干法水泥生产过程中,分解炉温度是一个非常重要的控制对象。由十分解炉出口温度与其影响因素不是简单的线性或者非线性关系,使得传统的建模方法精度较低。本文提出一种基于小波极限学习机的方法,通过对已有的大量数据进行训练、测试,实现对水泥窑分解炉温度的建模。实验结果表明,该方法泛化性能好、学习速度快、模型精度高,具有一定的实践指导意义。

空气质量指数(Air Quality Index, AQI)预测可以为人们日常生产活动以及空气污染治理工作提供指导. 针对空气质量指数预测模型受离群点影响较大的问题, 利用孤立森林算法对空气质量数据集进行离群点分析, 采用离群鲁棒极限学习机模型(ORELM)对空气质量指数进行预测, 并构建误差修正模块对模型预测误差进行修正. 最后, 以北京市空气质量数据作为研究对象, 分别利用ORELM模型以及极限学习机(ELM)模型进行预测, 并对ORELM模型预测结果进行误差修正. 实验结果表明: 离群鲁棒极限学习机对离群点数据集泛化性能更强, 误差修正模块能有效提高模型的预测精度.

为了预测分子的抗真菌活性，计算了表征分子的电子、拓扑、几何结构和分子形状等特征的67个分子描述符，并用于支持向量学习机对分子抗真菌活性分类模型的建立和活性预测。分别用留一法和五重交叉法对模型进行了验证。在五重交叉验证中，根据分子三维结构的相似性，首先把所研究的94个分子分成若干类，再分别从每一类中随机选择若干个分子组成若干个训练集，剩余的分子构成相应的测试集。结果表明，用上述两种验证方法得到的结果相近，且所建立的模型具有较高的预测性，交叉验证的预测正确率达到84.0%。

【预测模型】基于遗传算法改进核极限学习机(KELM)分类算法 matlab源码.md

采用差分进化算法对极限学习机进行优化选择

为了提高机器人的定位精度，对传统的基于神经网络的机器人精度补偿方法进行改进。采用两种基于粒子群优化的极限学习机（PSO-ELM）模型的精度补偿方法对机器人关节坐标及直角坐标进行补偿。分别对两种方法进行仿真实例分析，并与遗传算法优化的极限学习机（GA-ELM）模型进行对比。仿真结果表明，对直角坐标进行补偿的PSO-ELM机器人精度补偿法优于其他补偿方法，且具有较高的预测精度。

用于预测，极限学习机Matlab程序，能直接运行，适合学习，。。。。。。。

针对回归问题中存在的变量选择和网络结构设计问题, 提出一种基于互信息的极端学习机(ELM) 训练算法, 同时实现输入变量的选择和隐含层的结构优化. 该算法将互信息输入变量选择嵌入到ELM网络的学习过程之中, 以网络的学习性能作为衡量输入变量与输出变量相关与否的指标, 并以增量式的方法确定隐含层节点的规模.在Lorenz、Gas Furnace 和10 组标杆数据上的仿真结果表明了所提出算法的有效性. 该算法不仅可以简化网络结构, 还可以提高网络的泛化性能.

【预测模型】基于狮群算法改进核极限学习机(KELM)分类算法 matlab源码.md