一種穩健的boosting極限學習機集成建模方法
發明/申請人：卞希慧; 王靖; 張彩霞; 范清杰; 徐揚; 徐紅梅
專利號/申請號：ZL201610834820.X
授權/申請日期：2019-4-16
本發明涉及一種穩健的boosting極限學習機集成建模方法，首先對訓練集中所有樣本賦予相同的取樣權重；根據樣本的取樣權重按照概率選取一定數目樣本作為一個訓練子集；用訓練子集的樣本建立極限學習機子模型，預測訓練集中所有樣本，得到預測濃度；根據訓練集中每個樣本已知濃度與預測濃度的誤差來更新取樣權重，對于預測誤差大的樣本加大取樣權重；加入一個穩健步驟，將預測誤差過大樣本的取樣權重設置為零；重復上述過程多次，建立多個極限學習機子模型。通過權重中位值法進行預測，得到最終預測結果。與傳統極限學習機相比，該方法在預測精度、穩健性和穩定性方面具有明顯優勢。本發明適用于復雜樣品的光譜定量分析。