原文服务方: 微电子学与计算机       
摘要:
针对辅助变量之间相关性差挖掘困难等问题,提出一种基于特征提取集和极限学习机(MLCRBMs-ELML)的软测量建模方法.该方法首先通过聚类算法对输入数据集进行属性簇划分.按结果将数据集分类后输入至MLCRBMs特征提取集中进行同步的特征提取,提取到的特征子集经Blending层进行非线性融合得到新特征集,并输入至极限学习机(ELM)进行拟合得到最后的估计结果.实验结果表明该方法优于传统的方法,具有更高的预测精度和泛化性能.
推荐文章
基于ELM的硫熏强度软测量模型
澄清过程
硫熏强度
软测量
神经网络
基于DBN-ELM的聚丙烯熔融指数的软测量
深度置信网络
算法
极限学习机
数值分析
特征提取
实验验证
基于SVM的软测量建模
支持向量机(SVMs)
软测量
RBF神经网络
建模
浮选工艺指标KPCA-ELM软测量模型及应用
浮选
核主元分析
极限学习机
软测量
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于MLCRBMs-ELM的软测量建模
来源期刊 微电子学与计算机 学科
关键词 计量学 极限学习机 受限玻尔兹曼机 软测量
年,卷(期) 2018,(10) 所属期刊栏目
研究方向 页码范围 7-12
页数 6页 分类号 TB97
字数 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 王静 南京工业大学计算机科学与技术学院 31 48 4.0 6.0
2 倪健华 南京工业大学计算机科学与技术学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (166)
共引文献  (89)
参考文献  (10)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1978(3)
  • 参考文献(0)
  • 二级参考文献(3)
1980(1)
  • 参考文献(0)
  • 二级参考文献(1)
1981(1)
  • 参考文献(0)
  • 二级参考文献(1)
1985(1)
  • 参考文献(1)
  • 二级参考文献(0)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(2)
  • 参考文献(0)
  • 二级参考文献(2)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(3)
  • 参考文献(0)
  • 二级参考文献(3)
1995(2)
  • 参考文献(0)
  • 二级参考文献(2)
1996(4)
  • 参考文献(0)
  • 二级参考文献(4)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(8)
  • 参考文献(0)
  • 二级参考文献(8)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(5)
  • 参考文献(0)
  • 二级参考文献(5)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(5)
  • 参考文献(0)
  • 二级参考文献(5)
2003(4)
  • 参考文献(0)
  • 二级参考文献(4)
2004(12)
  • 参考文献(0)
  • 二级参考文献(12)
2005(5)
  • 参考文献(0)
  • 二级参考文献(5)
2006(13)
  • 参考文献(1)
  • 二级参考文献(12)
2007(6)
  • 参考文献(0)
  • 二级参考文献(6)
2008(16)
  • 参考文献(0)
  • 二级参考文献(16)
2009(18)
  • 参考文献(0)
  • 二级参考文献(18)
2010(12)
  • 参考文献(1)
  • 二级参考文献(11)
2011(15)
  • 参考文献(1)
  • 二级参考文献(14)
2012(9)
  • 参考文献(0)
  • 二级参考文献(9)
2013(10)
  • 参考文献(2)
  • 二级参考文献(8)
2014(8)
  • 参考文献(2)
  • 二级参考文献(6)
2015(3)
  • 参考文献(0)
  • 二级参考文献(3)
2016(2)
  • 参考文献(2)
  • 二级参考文献(0)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
计量学
极限学习机
受限玻尔兹曼机
软测量
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
微电子学与计算机
月刊
1000-7180
61-1123/TN
大16开
1972-01-01
chi
出版文献量(篇)
9826
总下载数(次)
0
总被引数(次)
59060
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导