一种基于进化多目标优化的选择性分层集成高斯过程回归软测量建模方法

摘要

本发明公开一种基于进化多目标优化的选择性分层集成高斯过程回归软测量建模方法，该方法首先结合Bootstrapping随机重采样和偏互信息构建多样性输入变量子集，用高斯混合模型算法将对应的原始样本子集划分为不同建模区域，并建立相应的高斯过程回归基模型，进行后验概率加权融合，构建第一层集成模型EGPR。接下来以进化优化的视角构建多目标优化问题，选出性能较好且满足多样性的EGPR模型进行最终集成。该发明充分考虑了样本信息和输入变量信息的多样性，能有效保证基模型的多样性和预测精度。其次，选择性集成策略的引入有效克服了传统集成学习融合所有局部模型的缺陷，既显著降低了集成建模的复杂度，又提升了模型预测性能。