本發明屬于化學計量技術領域,具體為Bagging極限學習機集成建模方法。本發明的具體步驟為:采集被測物樣本光譜數據,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果簡單平均,得到最終預測結果。與ELM方法相比,本發明方法在預測精度和穩定性方面具有明顯優勢。本發明適用于石油、煙草、食品、中藥等復雜物質定量分析領域。
聲明:
“Bagging極限學習機集成建模方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)