李爱莲
,
赵永明
,
崔桂梅
钢铁
doi:10.13228/j.boyuan.issn1001-0963.20140297
针对传统高炉温度模型的固有缺陷,提出了一种基于灰色关联分析的ELM(极限学习机-extreme learning machine)温度预报模型.由于炼铁工艺的多变量、非线性、强耦合等特点,所以传统建模方法已经不能满足要求的高精度预报高炉温度.首先通过灰色关联分析对输入变量进行相关性分析,提高模型的性能,然后结合分析后的变量采用ELM学习算法训练神经网络,最后运用现场数据对该网络进行训练和测试,并与传统的模型相比较.结果表明该模型能快速、准确地预报高炉温度,并且能满足指导现场工人操纵高炉的要求.
关键词:
灰色关联
,
极限学习机
,
高炉
,
铁水温度预报
,
神经网络
李定珍
,
郭建昌
液晶与显示
doi:10.3788/YJYXS20132803.0440
提出一种新型、高效的基于B2DPCA(双向二维主成分分析)和ELM(极端学习机)的人脸识别算法,该算法是根据曲波变换分解人脸图像和一种改进的降维技术,通过B2DPCA生成识别特征集来训练和测试ELM分类器,提高识别精度.通过大量实验,并把实验结果与现存技术进行比较,结果表明B2DPCA+ ELM算法有效地提高了识别准确率,并降低了对原型数量的依赖.将来有望能把局部特征和基于曲波分解的全局信息结合起来应用到识别精度和分类速度上.
关键词:
人脸识别
,
双向二维主成分分析
,
极端学习机
,
降维技术
,
识别准确率
