超限學(xué)習(xí)機(jī)的優(yōu)化改進(jìn)及應(yīng)用研究.pdf

1、隨著互聯(lián)網(wǎng)+時代的來臨，不論在互聯(lián)網(wǎng)行業(yè)、快消品行業(yè)、金融行業(yè)，還是傳統(tǒng)的化工行業(yè)、制造行業(yè)，其數(shù)據(jù)量都正在以爆炸式的速度增長。大數(shù)據(jù)的流通、存儲、分析、可視化等任務(wù)對于各企業(yè)都是重大的挑戰(zhàn)。機(jī)器學(xué)習(xí)技術(shù)作為一種對數(shù)據(jù)中隱含模式及規(guī)律進(jìn)行分析和挖掘的重要手段，也日益凸顯出它的威力和重要性。直至今日，機(jī)器學(xué)習(xí)的研究和應(yīng)用已被廣泛地應(yīng)用于圖像識別，語音分析，自然語言處理及各類商用數(shù)據(jù)以及工業(yè)數(shù)據(jù)的挖掘中。
　　在機(jī)器學(xué)習(xí)的研究中，分類

2、和回歸是兩大基礎(chǔ)。在機(jī)器學(xué)習(xí)的研究進(jìn)程中，出現(xiàn)了如廣義線性模型(GLM)、人工神經(jīng)網(wǎng)絡(luò)(ANN)、支持向量機(jī)(SVM)、超限學(xué)習(xí)機(jī)(ELM)等通用算法。如何在提高分類器的準(zhǔn)確率或者回歸器的擬合精度的同時提高算法的泛化能力，已經(jīng)成為現(xiàn)在機(jī)器學(xué)習(xí)技術(shù)發(fā)展的重要課題。
　　在此背景下，本文主要研究并完成了以下工作:
　　(1)針對ELM算法中由于輸入層，隱層的權(quán)重隨機(jī)初始化操作而會導(dǎo)致的隱層輸出矩陣H不滿秩從而導(dǎo)致部分隱層節(jié)點不起

3、作用的問題，本文提出了相關(guān)性映射超限學(xué)習(xí)機(jī)。利用輸入特征與預(yù)測標(biāo)簽之間的相關(guān)性系數(shù)，將特征與標(biāo)簽之間的線性相關(guān)信息經(jīng)過非線性函數(shù)映射后，用于確定輸入層-隱層的權(quán)重矩陣。數(shù)據(jù)集測試結(jié)果表明該算法不僅可以提高超限學(xué)習(xí)機(jī)在分類及回歸任務(wù)中的預(yù)測準(zhǔn)確率和精度，同時可以更加高效地利用隱層節(jié)點，提高模型的泛化能力。
　　(2)針對由于ELM網(wǎng)絡(luò)中隱層激活函數(shù)單一化而導(dǎo)致其難以學(xué)習(xí)復(fù)雜數(shù)據(jù)，同時易產(chǎn)生冗余隱層節(jié)點的問題，本文提出了基于粒子群算法

4、的混合域超限學(xué)習(xí)機(jī)算法。該算法將隱層激活函數(shù)的組合（包含7種候選的激活函數(shù)）定義為一個粒子，隨機(jī)產(chǎn)生大量粒子成為初始群體，按照一定進(jìn)化規(guī)則迭代尋找隱層節(jié)點對應(yīng)最優(yōu)個體，即最優(yōu)的激活函數(shù)組合。數(shù)據(jù)集測試結(jié)果表明該算法有效地提高了隱層節(jié)點的利用率和模型最終的泛化能力。
　　(3)針對石油化工生產(chǎn)過程中設(shè)備管道流動腐蝕的沖刷腐蝕現(xiàn)象，結(jié)合實際問題，開展了如下研究工作:1.利用實驗設(shè)備，按照固定變量法，獲得10號碳鋼在不同實驗條件下的沖蝕

5、速率。2.利用CFD計算流體力學(xué)仿真軟件，對90度彎管在不同條件下的沖蝕速率（包括平均速率和最大速率）進(jìn)行仿真測試。對以上2種沖刷腐蝕現(xiàn)象，基于收集的歷史數(shù)據(jù)，利用多種機(jī)器學(xué)習(xí)模型進(jìn)行建模測試，發(fā)現(xiàn)本文提出的2種超限學(xué)習(xí)機(jī)改進(jìn)算法均能更好地對沖蝕數(shù)據(jù)進(jìn)行擬合和預(yù)測，從而為石油化工行業(yè)中腐蝕建模預(yù)測問題提供了一種可行的方法。
　　本文從理論分析到實際應(yīng)用都取得了一定的進(jìn)展，為超限學(xué)習(xí)機(jī)在復(fù)雜工業(yè)問題中的應(yīng)用提供了一些新的思路，具有一