[发明专利]基于蝙蝠算法的半监督极限学习机在工业检测中的应用

摘要

本发明公开了一种基于蝙蝠算法的半监督极限学习机的训练步骤包括：S1，根据收集到的训练样本，构建半监督极限学习机网络结构；S2，初始化蝙蝠算法相关参数：蝙蝠个数n1、迭代次数N1、维数d、速度vi、频率范围[fmin,fmax]、频率fi、初始脉冲频度Ai和响度ri；S3，随机产生一组数据(a,b,σ,C0,λ)作为蝙蝠的初始位置xi；通过比较每只蝙蝠对应的适应度值更新各自的速度和位置；S4，判断迭代次数是否达到设定次数，若达到，得到蝙蝠的最佳位置xb，即模型的最优参数；否则继续对模型参数进行迭代寻优；S5，将优化得到的蝙蝠xb＝(a′,b′,σ′,C0′,λ′)代入到半监督极限学习机模型，以此建立优化的软测量模型。利用蝙蝠算法对模型中的参数(a,b,σ,C,λ)进行全局搜索寻优，得到最优参数的半监督极限学习机软测量模型。