极端学习机器及其在化学光谱中的应用.docxVIP

湖 北 大 学本 科 毕 业 论 文（设 计）题 目 极端学习机器及其在化学光谱数据中的应用 姓 名 孙晶 学 号 2011221104120011专业年级 信息与计算科学2011级 指导教师 彭江涛 职 称 讲师 2015年 4 月 14 日目 录1 绪论11.1 研究目的和意义11.2 国内外研究现状11.2.1 红外光谱技术研究现状11.2.2 ELM研究现状21.3 论文研究内容22 极端学习机器和多元校正算法32.1 极端学习机器算法32.2 多元校正回归分析73 极端学习机器在化学光谱数据中的应用93.1 实验数据93.2 建模过程103.3 实验结果及分析10结论20参考文献21极端学习机器及其在化学光谱数据中的应用摘 要目前，化学光谱技术已被广泛应用于混合物的组成成分和含量研究。由于化学光谱数据维数较高，而实测样本数量很少，传统的化学计量学多元校正定量回归方法通常效果欠佳。不同于传统的改进方法，极端学习机器因其预测能力强、泛化性能好等优点逐渐受到人们的重视。在极端学习机器中，高维光谱向量首先被隐层输出函数映射到隐层，然后建立隐层函数与浓度之间的线性回归关系。由于隐层输出函数的参数可以随机产生，因此极端学习机器不需要进行人为的参数寻优，从而速度极快。同时，由于隐层与输出层之间是线性回归关系，求解只需要进行简单的最小二乘运算，因此非常简单。当建