精度最高提升39.74%
一种采用模块化结构和自适应集成策略的随机配置网络模型，通过任务分解和子模型选择提高复杂工况下的预测准确性。
Ranran, Wang · 李方昱 · 严爱军
Engineering Applications of Artificial Intelligence 2024
模糊C均值将数据分成特征相似的子集，每个子集分别建模，比单一模型更贴合不同工况。
测试阶段基于聚类中心的子模型激活方法，自动为当前数据选择最合适的子模型，避免人工调参。
与传统随机配置网络、支持向量回归等相比，在两个数据集上最大精度提升分别达 39.74% 和 31.67%。