文件名称：论文研究-具有选择与补偿机制的加权集合序贯极端学习机及其应用.pdf
文件大小：604KB
文件格式：PDF
更新时间：2022-10-10 13:12:51
论文研究
论文研究-具有选择与补偿机制的加权集合序贯极端学习机及其应用.pdf, 针对集成在线序贯极端学习机(EOS-ELM)预测精度不高和动态适应性差的问题, 提出一种具有选择与补偿机制的加权集合序贯极端学习机. 该加权集合序贯极端学习机在序贯学习过程中, 通过对当前预测模型精度的判断决定是否进行递推更新操作, 同时为提高预测模型的动态跟踪能力, 在加入新样本的同时对旧样本进行剔除;然后, 利用EMD对残差序列处理后进行预测, 并将初始预测结果与残差预测结果相加得到最终预测模型. 通过对上证指数的预测, 结果表明所提方法具有更好的泛化性能, 预测精度相比EOS-ELM提高了近36.1%.