基于RFELM和Bagging的集成学习算法用于道路高排放源识别

本文提出了一种基于RFELM和Bagging的集成学习算法，用于道路高排放源的识别。该算法通过改变特征采样的概率和权重，增强了重要特征及其组合在识别过程中的作用。具体而言，RFELM作为子分类器，利用随机傅里叶特征映射将输入数据转化为隐含层结点，从而有效促进了不同数据之间的交互与组合。实验结果表明，相较于AdaBoost等算法，我们提出的方法在识别精度和抗噪声能力方面都有显著的提高。