控制理论与应用

作者：代伟,吴尚,南静,刘鑫

单位：中国矿业大学信息与控制工程学院,中国矿业大学信息与控制工程学院,中国矿业大学信息与控制工程学院,中国矿业大学 信息与控制工程学院

关键词：随机配置网络; 多目标回归; 多核学习; 多尺度核

基金：国家重点研发项目(2022YFB3304700), 江苏省杰出青年基金项目(BK20240102), 国家自然科学基金项目(62373361)资助.

多目标回归通过将多个回归任务的相关性纳入建模中以提高模型表现, 但是当前方法对于多目标内在更加普遍且复杂的非线性结构关系建模效果并不理想. 本文提出多尺度核随机配置网络(MSK-SCN)构建高维输入与多目标之间的映射以及多目标内在的非线性关系. 通过设计隔离建模机制, 使得每个子模型根据其负责的目标误差状态完成隐含层参数配置, 进而避免多个回归任务共享模型参数导致建模质量下降; 建立多尺度核空间, 利用不同尺度参数的核函数将低维空间数据映射到高维特征空间以增强数据的表达能力, 进而提高模型挖掘多目标间非线性关系的能力. 基于虚拟数据集和真实数据集进行实验验证, 结果表明MSK-SCN的表现优于当前的多目标算法, 证实了其在多目标回归问题上的有效性.

来源：2026年第4期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2026年第4期