基于SFLA聚类的选择性ELM集成算法

本文提出一种基于SFLA聚类的选择性ELM集成方法。实验结果表明,与集成RBF神经网络模型相比,采用本文方法对模拟电路进行在线故障诊断具有较高的准确性。     

基于改进神经网络和IOWA算子的风速组合预测

为了对风速进行准确的预测,本文提出一种计算智能改进神经网络和IOWA算子的组合预测方法。实验表明,与单项预测模型相比,该算法有更高的预测精度。     

基于SOFM神经网络的蛋白质结构类预测

蛋白质结构类预测是蛋白质空间结构和功能预测的基础。本文首先将氨基酸对相互作用形成的序列经过数字信号处理后得到能量谱密度的20个低频部分和6种疏水模式在序列中出现的频率整合,构成26维分类特征,然后采用自组织特征映射神经网络对蛋白质结构类进行预测。实验结果表明,与Component Coupled算法、ANN算法、粗集方法相比较,本文算法具有较高的预测精度。     

基于BFO聚类算法的T-S模糊模型辨识

针对非线性系统的辨识问题,本文提出一种基于BFO聚类算法的T-S模糊模型辨识方法。首先通过BFO聚类算法自动地从已知的输入输出数据中确定模糊模型的结构和前件参数,然后用BFO算法估计模糊模型的后件参数。仿真结果表明,该方法辨识精度高,得到的模糊模型简单、模糊规则少,很好地解决了现有算法复杂、输入空间难以划分或者带来的高维问题等,因而具有很好的实用性和有效性。     

基于猫群聚类算法的二叉树SVM蛋白质结构类预测

针对传统的基于二叉树SVM分类模型存在不可区分域和误差积累的缺陷,本文提出了一种基于猫群聚类算法的二叉树SVM分类方法,利用猫群聚类算法在各个节点自适应构造二叉树结构。以蛋白质序列的氨基酸相互作用和疏水模式为分类特征,采用本文算法对蛋白质结构类进行预测,实验结果表明,与其他算法相比较,本文算法具有较高的预测精度。     

基于自适应选择ELM集成的情感识别

为了克服采用基于Boosting算法和Bagging算法生成的个体网络时难以满足误差独立条件的问题,本文提出一种基于局部分类精度估计的自适应ELM集成的方法,即通过估计各个体ELM在未知样本邻域内的分类精度,选择具有最大局部分类精度的个体ELM输出作为分类结果。实验表明,采用本文方法进行情感识别可以获得较好的效果。     

环境特性电网负荷灰色预测及其在Excel中的实现

本文采用基于GM（1，2）的灰色递阶预测模型预测井下电力负荷。为了便于算法的工程应用，综合考虑软件数据处理和分析的能力，选用Excel软件实现对煤矿井下电力负荷的预测。通过实例的计算过程，该方法简单方便，结果准确，工程实用性较强。     

基于ROF的短期风速极端学习机集成预测

为了对风速进行准确的预测,本文提出一种基于ROF的ELM集成预测算法,即采用ROF算法产生差异性训练数据训练多个个体ELM,然后利用加权平均的方法集成各个体ELM的预测结果。实验表明,与个体预测模型相比,该算法有更高的预测精度。     

基于混合扰动的超短期风电功率ELM集成预测

本文提出一种基于混合扰动的极端学习机集成预测算法对超短期风电功率进行预测,即通过Bootstrap算法和RS算法产生基分类器之间的差异性,然后利用加权平均的方法集成各个体ELM的预测结果。实验表明,与个体预测模型相比,该算法有更高的预测精度。     

基于多种群遗传神经网络的非线性系统辨识

提高非线性系统的辨识精度,本文提出利用多种群遗传算法对BP神经网络权值进行优化,并将该算法用于非线性系统辨识中,取得了良好的效果。实验证明,与单纯采用BP神经网络辨识方法相比,本文方法对非线性系统有更强的辨识能力。