所属单位：计算机科学与技术学院/人工智能学院/软件学院
发表刊物：计算机技术与发展
关键字：危险源识别;在线学习;极限学习机;差分进化;
摘要：危险源是影响飞行安全的重要因素,如何正确地识别危险源并采取对应措施确保飞行安全是民航空管必不可少的关键环节。这要求危险源识别算法在保证识别准确度的前提下还需具备在线处理数据的性能。据此,提出了一种基于改进在线序列学习机的危险源识别算法HI-OSELM,将当前新到达的危险源数据添加到网络结构中,实时更新学习机输出权值,对危险源进行在线识别,并用全局寻优能力较好的自适应差分进化方法对输入权值和隐层偏置进行优化,通过随机生成多组初始值,用实际输出与理想输出之间的均方根误差作为适应度指标进行训练,不断进化直至达到最大种群迭代次数,最终获得最优的网络输入权值和隐层偏置,使HI-OSELM有更好的泛化性能,算法的识别结果准确性更高。
是否译文：否
发表时间：2018-05-16
合写作者：佘雅莉
通讯作者：周良
发表时间：2018-05-16