来源：期刊VIP网 时间：
作者：周汉胜;段培杰;李泽瑞;周金华;
单位：安徽医科大学生物医学工程学院;合肥综合性国家科学中心人工智能研究院;安徽大学安徽大学与合肥综合性国家科学中心人工智能研究院联合实验室;
摘要：机动车排放的污染气体会对环境造成严重危害，其中尾气排放超标的车辆是主要污染来源，因此实现对道路高排放源的有效识别具有重要意义。针对尾气遥测数据，提出一种基于特征采样引导和集成随机傅里叶特征极限学习机（RFELM）的道路高排放源识别模型。首先对遥测数据进行多次随机采样，构建多组训练子集；然后对每组训练子集进行多次特征采样，并训练对应的子分类器，根据组内最优子分类器的输入特征更新特征采样的概率与特征权重；最后对所有子分类器的验证分数进行排序，筛选出一定比例的RFELM组成分类器集合，采用加权投票法预测数据的标签。实验结果表明，相比于RFELM和随机森林等算法，所提模型在真实的道路遥测数据上具有更好的识别效果，还有着更强的抗噪能力。
关键词：道路高排放源识别;;遥测数据;;特征采样;;集成学习;;随机傅里叶特征极限学习机;;子分类器
基金资助：国家自然科学基金资助项目（62103125）;国家自然科学基金资助项目（62033012）;; 安徽省博士后研究人员科研活动资助项目（2021A484）
