基于动态平衡贝叶斯优化的特征集成随机配置网络模型

摘要

为提高随机配置网络(stochastic configuration network, SCN)回归模型的准确性，提出一种基于动态平衡贝叶斯优化的特征集成随机配置网络(dynamic equilibrium Bayesian optimization-based for feature integrated SCN,DEBO-FISCN)模型。首先，在贝叶斯优化算法的采集函数中引入动态平衡参数，以改善算法的全局与局部搜索能力；其次，通过K-means聚类方法将输入特征集均匀划分为若干个特征子集用于训练SCN子模型，并使用上述改进后的贝叶斯优化算法对每个子模型的隐含参数进行寻优；最后，按加权平均策略集成子模型的隐含层参数。在4个标准数据集和城市固废焚烧过程的历史数据上进行实验测试。实验结果表明，提出的动态平衡贝叶斯优化和特征集成策略可以提高SCN模型的精度。

关键词

参数建模 / 随机配置网络 / 贝叶斯优化 / 动态平衡参数 / 特征集成 / 城市固废焚烧