文献类型：期刊文章

作　　者：刘璟忠[1,2]

机构地区：[1]湖南大学信息科学与工程学院,湖南长沙410082 [2]湖南工学院数理科学与能源工程学院,湖南衡阳421002

出　　处：《中南大学学报（自然科学版）》

基　　金：国家自然科学基金资助项目(71501068)~~

年　　份：2017

卷　　号：48

期　　号：7

起止页码：1769-1773

语　　种：中文

收录情况：BDHX、BDHX2014、CAS、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为降低航空发动机维修成本,增强维修等级决策的客观性,提出一种基于奇异值分解的极限学习机(SVD-ELM)算法,推导基于奇异值分解(SVD)的极限学习机(ELM)输出权重计算公式,从而有效地避免普通ELM在求解输出权重时因矩阵奇异而导致无法求逆的问题。将SVD-ELM应用于决策建模过程,提高决策模型的稳定性。研究结果表明:相比于SVM,SVD-ELM和ELM的决策准确率相同,且均比SVM的高,但SVD-ELM的模型稳定性高于ELM,且SVD-ELM和ELM的测试耗时相差不大,说明这2种方法的计算量相当。

关 键 词：智能决策  极限学习机 模式识别 维修等级  奇异值分解

分 类 号：TP206]