CASIA OpenIR  > 学术期刊  > 自动化学报
基于多目标PSO混合优化的虚拟样本生成
王丹丹; 汤健; 夏恒; 乔俊飞
Source Publication自动化学报
ISSN0254-4156
2024
Volume50Issue:4Pages:790-811
Abstract受限于检测技术难度、高时间与经济成本等原因, 难测参数的软测量模型建模样本存在数量少、分布稀疏与不平衡等问题, 严重制约了数据驱动模型的泛化性能. 针对以上问题, 提出一种基于多目标粒子群优化(Multi-objective particle swarm optimization, MOPSO)混合优化的虚拟样本生成(Virtual sample generation, VSG)方法. 首先, 设计综合学习粒子群优化算法的种群表征机制, 使其能够同时编码用于连续变量和离散变量; 然后, 定义具有多阶段多目标特性的综合学习粒子群优化算法适应度函数, 使其能够在确保模型泛化性能的同时最小化虚拟样本数量; 最后, 提出面向虚拟样本生成的多目标混合优化任务以改进综合学习粒子群优化算法, 使其能够适应虚拟样本优选过程的变维特性并提高收敛速度. 同时, 首次借鉴度量学习提出用于评价虚拟样本质量的综合评价指标和分布相似指标. 利用基准数据集和真实工业数据集验证了所提方法的有效性和优越性.
Keyword小样本建模 虚拟样本生成 混合优化 多目标粒子群优化 分布相似度
DOI10.16383/j.aas.c211091
Citation statistics
Document Type期刊论文
Identifierhttp://ir.ia.ac.cn/handle/173211/56121
Collection学术期刊_自动化学报
Recommended Citation
GB/T 7714
王丹丹,汤健,夏恒,等. 基于多目标PSO混合优化的虚拟样本生成[J]. 自动化学报,2024,50(4):790-811.
APA 王丹丹,汤健,夏恒,&乔俊飞.(2024).基于多目标PSO混合优化的虚拟样本生成.自动化学报,50(4),790-811.
MLA 王丹丹,et al."基于多目标PSO混合优化的虚拟样本生成".自动化学报 50.4(2024):790-811.
Files in This Item: Download All
File Name/Size DocType Version Access License
AAS-CN-2021-1091.pdf(7744KB)期刊论文出版稿开放获取CC BY-NC-SAView Download
Related Services
Recommend this item
Bookmark
Usage statistics
Export to Endnote
Google Scholar
Similar articles in Google Scholar
[王丹丹]'s Articles
[汤健]'s Articles
[夏恒]'s Articles
Baidu academic
Similar articles in Baidu academic
[王丹丹]'s Articles
[汤健]'s Articles
[夏恒]'s Articles
Bing Scholar
Similar articles in Bing Scholar
[王丹丹]'s Articles
[汤健]'s Articles
[夏恒]'s Articles
Terms of Use
No data!
Social Bookmark/Share
File name: AAS-CN-2021-1091.pdf
Format: Adobe PDF
All comments (0)
No comment.
 

Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.