作者：张英堂 马超 尹刚 李志宁 任国全柴油机极限学习机贝叶斯方法集成学习多尺度主元分析故障诊断
摘要：针对在线贯序极限学习机(OS-ELM)输出不稳定和过学习问题,提出了基于贝叶斯框架的多OS-ELM融合算法.首先通过在目标函数中引入输出矩阵的二范数,将线性回归问题转化为岭回归问题,改善OS-ELM的过学习问题.其次,构建多个OS-ELM分类器对训练样本进行学习,在贝叶斯框架下实现多分类器的在线集成,以提高分类器的输出稳定性.UCI数据集的试验表明,与改进前相比,本算法的分类准确率提高了1.07％～3.35％,100次试验的标准差降低了0.0015～0.0214.柴油机11种工况的故障识别准确率可达到96.86％.
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
