极限学习机拓展研究及其在近红外光谱分析中的应用

基本信息
批准号:11471010
项目类别:面上项目
资助金额:70.00
负责人:杨丽明
学科分类:
依托单位:中国农业大学
批准年份:2014
结题年份:2018
起止时间:2015-01-01 - 2018-12-31
项目状态: 已结题
项目参与者:孙玉华,刘旭华,孙群,唐明筠,王燕飞,耿娟,朱雨晨
关键词:
最优化数据挖掘极限学习机近外光谱分析机器学习
结项摘要

Extreme learning machine(ELM)is a kind of single layer feedforward neural networks. Comparing with traditional neural network algorithms,it is simpler in structure,with higher learning speed and good generalization performance.Thus ELM has become a popular topic for solving big data learning, and it has been widely applied in many fields.However, for different data setting and different applications, it is used for both data classification or regression,the traditional ELM encounters some problems such as dealing with the noise data, uncertain data and high-dimension data and big data etc. Thus, in order to solve these problems and improve ELM'generalization, this project presents some new ELM models based on optimization theory and method. These extension researches for ELM include semi-supervised ELM, uncertain ELM, robust ELM, sparse ELM and ensemble ELM. Moreover, theoretical innovation and effective algorithm are used as our goal in this study. And the proposed ELM models are directly applied to the non-destructive testing of maize seeds using near-infrared (NIR) spectroscopy analysis, in order to find the quantitative relation between the NIR spectrum of maize seed and its the physiological and biochemical indexes, and interpret NIR spectra. This will promote NIR spectroscopy analysis, and on the contrary, enrich and improve ELM theory.

极限学习机是一种单隐层前馈神经网络,它较传统神经网络具有结构简单,训练速度快和良好的泛化性能等优点.因此,近年来极限学习机已成为大数据学习的热点并广泛应用。然而,但对于不同的数据集和不同的应用领域,无论极限学习机用于数据分类还是回归,传统的极限学习机还存在不足,例如在处理噪音数据、不确定性数据、高维数和大数据等问题。为了解决这些问题和进一步提高极限学习机的泛化能力,本项目以最优化理论和方法为基础,拓展现有极限学习机,构建若干个新的最优化模型及其有效算法,包括鲁棒性极限学习机、半监督极限学习机、稀疏极限学习机、不确定性极限学习机和集成极限学习机等,力求理论上的创新和算法有效性。并构建玉米种子近红外光谱无损检测系统,寻求玉米种子近红外光谱与其生理生化指标间的数量关系,进行图谱分析。这将促进近红外光谱技术发展,反之丰富和完善极限学习机和最优化理论。

项目摘要

传统的极限学习机在处理:噪音数据、不确定性数据、高维数和大数据等方面有待改进和完善。为了提高极限学习机的泛化能力,本项目以最优化和随机性理论为基础,以极限学习机为研究对象,以近红外光谱分析为应用背景,拓展了极限学习机理论研究和应用,构建若干个新模型及其有效算法,包括鲁棒性极限学习机、半监督极限学习机、稀疏极限学习机、光滑限学习机,不确定性极限学习机和集成极限学习机等.并证明了解的性质及建立了有效的求解算法。应用于玉米种子的近红外光谱快速无损检测,分析了玉米种子的近红外光谱与其生理生化指标间的数量关系,这将促进近红外光谱技术发展,反之丰富和完善极限学习机。

项目成果
{{index+1}}

{{i.achievement_title}}

{{i.achievement_title}}

DOI:{{i.doi}}
发表时间:{{i.publish_year}}

暂无此项成果

数据更新时间:2023-05-31

其他相关文献

1

外泌体在胃癌转移中作用机制的研究进展

外泌体在胃癌转移中作用机制的研究进展

DOI:10.12354/j.issn.1000-8179.2021.20201763
发表时间:2021
2

一种基于多层设计空间缩减策略的近似高维优化方法

一种基于多层设计空间缩减策略的近似高维优化方法

DOI:10.1051/jnwpu/20213920292
发表时间:2021
3

基于LS-SVM香梨可溶性糖的近红外光谱快速检测

基于LS-SVM香梨可溶性糖的近红外光谱快速检测

DOI:
发表时间:
4

新型树启发式搜索算法的机器人路径规划

新型树启发式搜索算法的机器人路径规划

DOI:10.3778/j.issn.1002-8331.1903-0411
发表时间:2020
5

智能煤矿建设路线与工程实践

智能煤矿建设路线与工程实践

DOI:10.13199/j.cnki.cst.2020.07.010
发表时间:2020

杨丽明的其他基金

相似国自然基金

1

高维小样本数据的稀疏模型及其在近红外光谱分析上的应用

批准号:11226220
批准年份:2012
负责人:付光辉
学科分类:A0403
资助金额:3.00
项目类别:数学天元基金项目
2

近红外光谱分析中的多模型共识建模方法研究

批准号:20775036
批准年份:2007
负责人:邵学广
学科分类:B0310
资助金额:28.00
项目类别:面上项目
3

近红外光谱分析中模型传递方法的基础理论研究

批准号:20075035
批准年份:2000
负责人:陆婉珍
学科分类:B0403
资助金额:17.00
项目类别:面上项目
4

在线富集近红外光谱分析及其化学计量学解析方法研究

批准号:20975039
批准年份:2009
负责人:杜一平
学科分类:B0310
资助金额:34.00
项目类别:面上项目