收藏本站
《国防科学技术大学》 2011年
收藏 | 手机打开
二维码
手机客户端打开本文

相关向量回归元建模关键技术及其应用研究

吴冰  
【摘要】:仿真技术是复杂系统建模与分析的必要手段,广泛应用于系统设计、性能评估与决策支持过程。在现代复杂系统仿真优化研究中,由于仿真模型呈现的高维、高非线性和多极小特性,使得基于仿真模型的性能评估的计算开销过大,往往难以承受。仿真元建模技术通过建立仿真模型的回归元模型,有效改善仿真优化的运行效率,已成为当前系统仿真领域的研究热点。仿真元建模问题可归结为一类有约束条件的、可以主动获取样本点的小样本机器学习问题。本文从元建模技术在仿真优化问题中的应用需求出发,将目前关于小样本统计学习与预测的贝叶斯机器学习理论——相关向量回归(Relevance Vector Regression,RVR)引入到元模型建立中来,并根据相关向量回归的特点,借鉴机器学习领域的研究成果,有重点地选择了元建模中的几个关键技术问题展开研究。本文研究内容及创新点如下: 1、将仿真元建模问题归结为一种小样本机器学习问题,提出将相关向量回归引入到仿真元建模中来,并将相关向量回归元建模方法与多项式回归、Kriging、径向基函数和支持向量回归四种元建模方法进行对比研究,分析相关向量回归元建模方法的适应特性。 2、针对RVR元模型存在的核函数选择问题,将多核学习方法引入到RVR中,提出了基于进化算法的RVR元模型多核函数优化方法。按照多核函数的组合形式,将其分为线性多核函数和非线性多核函数两种情况。对于线性多核函数,本文采用一种文化基因算法对线性多核函数进行优化,实现了线性多核函数权重和相关核参数的同时优化。对于非线性多核函数,考虑其形式的不确定性,对其采用树状编码方式,利用遗传规划方法对多核函数组合形式进行优化。仿真实验结果表明,在预测性能上,线性多核函数和非线性多核函数均优于单一核函数。 3、为了改善元建模的适应能力和泛化能力,提出了一种RVR元模型的集成学习算法。该方法采用Bagging算法与多核函数选择相结合的二重扰动机制来产生具有差异度的个体学习器,然后利用文化基因算法对个体学习器进行选择性集成。仿真实验结果表明,在多数情况下,该方法能够以较少数量的RVR个体学习器,改善RVR元模型的泛化性能。 4、为满足在线元建模需求,提出了一种基于集成学习的RVR元模型增量学习算法。在增量训练阶段,对于每个新增样本子集,将上一步中得到的相关向量与新增样本结合在一起,用于新的个体学习器的训练;在预测阶段,根据所有个体学习器在预测点的K个最邻近训练样本点的预测误差,动态选择在预测点的最优个体学习器或者动态确定在预测点上各个个体学习器的权重,以此组合成集成学习器,用于在该点进行预测。仿真实验结果表明,在多数情况下,该方法可减少训练时间,同时不降低预测精度,但其预测时间开销相应增加。 5、基于完成的RVR元模型基础研究工作,提出了基于RVR元模型的仿真优化方法。具体而言,提出了基于RVR元模型的单目标和多目标遗传算法,通过Wi-Fi网络吞吐量优化问题和多目标优化算例初步验证了算法的有效性;以无人机通信网络仿真系统为背景,利用提出的RVR元模型仿真优化方法对无人机通信网络协议进行性能优化,实验结果证明了所提出的仿真优化方法的有效性与可行性。
【学位授予单位】:

知网文化
【相似文献】
中国期刊全文数据库 前20条
1 倪勇;吴汶芪;李君;;基于小样本的集成学习研究[J];机电工程;2009年12期
2 盛高斌;姚明海;;基于半监督回归的选择性集成算法[J];计算机仿真;2009年10期
3 李想;李涛;;基于核函数的Adaboost分类算法研究[J];电脑知识与技术;2011年28期
4 俞扬;周志华;;集成学习中完全随机学习策略研究[J];计算机工程;2006年17期
5 贾瑞玉;冯伦阔;李永顺;张新建;;基于集成学习的覆盖算法[J];计算机技术与发展;2009年07期
6 琚旭;王浩;姚宏亮;;基于Boosting的支持向量机组合分类器[J];合肥工业大学学报(自然科学版);2006年10期
7 王建敏;李铁军;董允强;;基于神经网络集成学习的智能决策支持系统构建[J];电脑知识与技术;2008年27期
8 唐伟,周志华;基于Bagging的选择性聚类集成[J];软件学报;2005年04期
9 向坚;叶绿;朱红丽;;基于子空间集成学习的3维人体运动识别[J];中国图象图形学报;2008年10期
10 徐冲;王汝传;任勋益;;基于集成学习的入侵检测方法[J];计算机科学;2010年07期
11 赵洋;冀俊忠;李文斌;;基于复杂网络的分类器融合[J];科学技术与工程;2008年14期
12 缪志敏;赵陆文;胡谷雨;王琼;;基于单类分类器的半监督学习[J];模式识别与人工智能;2009年06期
13 张娜;张永平;;模糊核聚类支持向量机集成模型及应用[J];计算机应用;2010年01期
14 吴科主;江雨燕;周传华;;一种多层次选择性集成学习算法[J];计算机应用与软件;2011年01期
15 张妤;王文剑;康向平;;一种回归SVM选择性集成方法[J];计算机科学;2008年04期
16 朱小飞;陈龙;王国胤;;基于交叉分组技术的集成算法研究[J];计算机科学;2008年03期
17 陈全;赵文辉;李洁;江雨燕;;选择性集成学习算法的研究[J];计算机技术与发展;2010年02期
18 姜伟;杨炳儒;;基于双层分类器入侵检测算法[J];微计算机应用;2010年06期
19 姜远;周志华;;基于词频分类器集成的文本分类方法[J];计算机研究与发展;2006年10期
20 刘天羽;李国正;;滚动轴承故障诊断中数据不均衡问题的研究[J];计算机工程与科学;2010年05期
中国重要会议论文全文数据库 前10条
1 应自炉;张有为;李景文;;基于GDA和SVM的人脸表情识别[A];第十三届全国信号处理学术年会(CCSP-2007)论文集[C];2007年
2 李宏光;姚振汉;;重构核点法在弹性力学问题中的应用[A];第14届全国结构工程学术会议论文集(第一册)[C];2005年
3 齐志泉;田英杰;徐志洁;;支持向量机中的核参数选择问题[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年
4 尹越栋;郭丙君;;基于最小二乘支持向量机的非线性通用模型控制[A];中国计量协会冶金分会2008年会论文集[C];2008年
5 尹越栋;郭丙君;;基于最小二乘支持向量机的非线性通用模型控制[A];2008全国第十三届自动化应用技术学术交流会论文集[C];2008年
6 毕锦烟;李巍华;;基于半监督模糊核聚类的齿轮箱早期故障检测方法[A];第九届全国振动理论及应用学术会议论文摘要集[C];2007年
7 刘耀年;王浩;何昌浩;何萍;;基于支持向量回归机的短期电力负荷预测[A];第十届全国电工数学学术年会论文集[C];2005年
8 高荣;刘晓华;;基于小波变换的支持向量机短期负荷预测[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年
9 傅若玮;宋执环;;基于核独立成分分析的过程故障检测方法[A];全国第19届计算机技术与应用(CACIS)学术会议论文集(上册)[C];2008年
10 门洪;武玉杰;李小英;高艳春;;基于支持向量机的分类算法研究[A];第六届全国信息获取与处理学术会议论文集(3)[C];2008年
中国重要报纸全文数据库 前10条
1 学生记者 肖佳平;人生是一个不断学习的过程[N];新清华;2004年
2 陈思侠 索伦格 戴友春;萨仁花:化作春泥更护花[N];酒泉日报;2006年
3 郝新豫;歌唱的运动与夸张[N];音乐周报;2004年
4 记者 陈思侠通讯员 马晓伟 李建彬;幸福的花儿在心中绽放[N];酒泉日报;2008年
5 白玉 赵乃彦 范飞虹;推进数字化制造技术 提升企业核心竞争力[N];中国航空报;2005年
6 赵乃彦;突破军工制造数控加工效率瓶颈[N];中国航空报;2006年
7 尹晓宇;谁催生了艺考热?[N];人民日报;2007年
8 彭华;英思 以仿真技术服务基建工程[N];中国高新技术产业导报;2005年
9 汤向阳;海归创业不能靠“拍脑袋”[N];中国高新技术产业导报;2008年
10 刘浩斌;南玻电子建成国内首条LTCC生产线[N];中国电子报;2003年
中国博士学位论文全文数据库 前10条
1 吴冰;相关向量回归元建模关键技术及其应用研究[D];国防科学技术大学;2011年
2 方育柯;集成学习理论研究及其在个性化推荐中的应用[D];电子科技大学;2011年
3 王清;集成学习中若干关键问题的研究[D];复旦大学;2011年
4 张春霞;集成学习中有关算法的研究[D];西安交通大学;2010年
5 刘天羽;基于特征选择技术的集成学习方法及其应用研究[D];上海大学;2007年
6 王凡;基于支持向量机的交通流预测方法研究[D];大连理工大学;2010年
7 吴先宇;城市轨道交通枢纽设施配置适应性分析及仿真优化方法[D];北京交通大学;2011年
8 毛先柏;基于支持向量机的模拟电路故障诊断研究[D];华中科技大学;2009年
9 武晓莉;信息融合及集成学习在水质光谱分析中的应用研究[D];浙江大学;2007年
10 陶晓燕;基于支持向量机和流形学习的分类方法研究[D];西安电子科技大学;2008年
中国硕士学位论文全文数据库 前10条
1 张家红;集成分类学习算法研究[D];山东师范大学;2011年
2 贺梁;基于支持向量机的集成学习算法研究[D];华南理工大学;2010年
3 任芳;基于集成学习模式的Boost-SVM算法研究[D];武汉科技大学;2008年
4 李杉;选择性聚类集成算法研究[D];山东师范大学;2010年
5 王体龙;基于置信区间的贝叶斯网参数学习算法及集成学习研究[D];吉林大学;2008年
6 刘晓坤;基于遗传算法的混合学习和集成学习研究[D];天津大学;2003年
7 李涛;基于条件互信息的集成学习的研究与应用[D];中国海洋大学;2009年
8 卢廷玉;基于粒子群优化算法的集成学习研究[D];吉林大学;2008年
9 王敏;基于集成学习的支持向量机学习方法研究[D];山西大学;2010年
10 马冉冉;集成学习算法研究[D];山东科技大学;2010年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978