基于统计机器学习的高维复杂系统建模研究

• 作者: 贾倩倩 郝梦泽 付学谦
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 维数灾难 回归 降维 机器学习
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 仿真方法与算法
• 页码范围: 333-338,417
• 页数: 7页
• 分类号: TP391.9
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2022.01.070

摘要

为了解决"维数灾难"给高维复杂系统数据驱动建模带来的过拟合、计算复杂度高等问题,探究特征提取算法对回归结果的影响.首先使用主成分分析法、非负矩阵分解法、局部线性嵌入法和均匀流形近似与投影法分别进行降维,提取关键特征后在多项式模型与随机响应面模型中进行回归,最后在草炭土土壤和电力系统的数据集上进行了仿真建模分析.仿真结果表明,在草炭土土壤中使用主成分分析法降维后的预测效果最好,在电力系统中使用非负矩阵分解法降维后的概率潮流回归结果最准确.经过分析后可知,主成分分析法适用于具有明显线性相关关系的高维数据集,基于流形的降维算法在本征维数较低的情况下不利于构建相似流形,提取关键特征的效果较差.