增强操作工况识别可靠性的概率PLS-ELM方法

• 作者: 刁晓坤 柴天佑 袁德成 赵立杰
• 来源期刊: 浙江大学学报（工学版）
• 学科: 工学
• 关键词: 极限学习机 偏最小二乘极限学习机 贝叶斯决策 概率密度估计
• 年，卷（期）: 2013,（10）
• 所属期刊栏目: 自动化技术、电信技术
• 页码范围: 1747-1752,1783
• 页数: 7页
• 分类号: TP29
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2013.10.007

摘要

针对分类阈值任意给定和临近边界区域操作工况识别可靠性低问题,提出基于贝叶斯理论的概率偏最小二乘极限学习机(p PLS-ELM)分类算法.偏最小二乘被嵌入到极限学习机框架内,通过提取隐含层正交潜在变量,避免共线性引起输出权值系数不稳定,降低输出预报值的不确定性,改善分类编码输出预报模型的鲁棒性和稳定性.应用非线性最小二乘方法估计每类条件概率密度函数的参数,结合概率密度函数和贝叶斯定理,计算每类输出预报值后验概率作为分类可靠性测度.采用该方法在某污水处理厂进行实验验证.实验结果表明,基于概率PLS-ELM方法的污水处理操作工况识别可靠性和准确性相对优于PLS-ELM方法.