基于核极限学习机的快速主动学习方法及其软测量应用

• 作者: 代学志 熊伟丽
• 来源期刊: 化工学报
• 关键词: 主动学习 过程控制 优化 核极限学习机 软测量 化学过程
• 年，卷（期）: 2021,（11）
• 所属期刊栏目: 过程系统工程
• 页码范围: 5226-5236
• 页数: 10页
• 分类号: TP274
• 语种: 中文
• DOI: 10.11949/0438-1157.20200260

摘要

为提高主动学习方法的运行效率和降低人工标记成本，提出一种基于核极限学习机的快速主动学习方法，并将其应用于软测量建模中。首先，采用核极限学习机对无标记样本进行信息评估，将无标记样本的置信度作为样本选择评价准则，选择对改善模型性能最有价值的无标记样本进行标记；其次，充分考虑每次迭代过程的运算信息，引入矩阵反演公式优化样本选择策略，提升迭代过程样本评估的运行效率；最后，应用矩阵相似度理论对迭代过程的已标记样本数据进行信息度量，并将其作为迭代终止依据，以最小的标记代价提升模型性能。将所提方法应用于硫回收过程H2S和SO2浓度软测量研究中，仿真结果表明：所提方法不仅标记代价小，而且提高了迭代的快速性，比较全面地提升了主动学习算法的性能。通过开展本研究工作，为少标记样本情况下的软测量技术应用提供了一种新方法。