| 成果介绍 |
|
| 简介： |
Bagging极限学习机集成建模方法，具体步骤为：采集被测物样本光谱数据，用常规方法测定样本被测成分的含量；采用一定的分组方式将样本集划分为训练集和预测集；对训练集样本进行boostrap重采样，随机选取一定数目样本作为一个训练子集；用训练子集的样本建立极限学习机子模型；重复多次，建立多个子模型；对于未知样品，通过多个子模型的预测结果简单平均，得到最终预测结果。与ELM方法相比，本发明提出的方法在预测精度和稳定性方面具有明显优势。本发明适用于石油、烟草、食品、中药等复杂物质定量分析领域。 |
|
|
|
