本發(fā)明屬于化學計量技術(shù)領(lǐng)域,具體為Bagging極限學習機集成建模方法。本發(fā)明的具體步驟為:采集被測物樣本光譜數(shù)據(jù),測定樣本被測成分的含量;將樣本集劃分為訓練集和預測集;對訓練集樣本進行boostrap重采樣,隨機選取一定數(shù)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;重復多次,建立多個子模型;對于未知樣品,通過多個子模型的預測結(jié)果簡單平均,得到最終預測結(jié)果。與ELM方法相比,本發(fā)明方法在預測精度和穩(wěn)定性方面具有明顯優(yōu)勢。本發(fā)明適用于石油、煙草、食品、中藥等復雜物質(zhì)定量分析領(lǐng)域。
聲明:
“Bagging極限學習機集成建模方法” 該技術(shù)專利(論文)所有權(quán)利歸屬于技術(shù)(論文)所有人。僅供學習研究,如用于商業(yè)用途,請聯(lián)系該技術(shù)所有人。
我是此專利(論文)的發(fā)明人(作者)