文献类型：期刊文章

作　　者：陈剑挺[1] 吴志国[2] 叶贞成[1] 朱远明[1] 程辉[1]

CHEN Jian-ting;WU Zhi-guo;YE Zhen-cheng;ZHU Yuan-ming;CHENG Hui(Key Laboratory of Advanced Control and Optimization for Chemical Processes of Ministry of Education,East China University of Science and Technology,Shanghai 200237,China;China Anhui Conch Group Limited Company,Anhui 241000,China)

机构地区：[1]华东理工大学化工过程先进控制和优化技术教育部重点实验室,上海200237 [2]安徽海螺集团有限责任公司,安徽芜湖241000

出　　处：《计算机工程与设计》

基　　金：国家重点研发计划基金项目(2016YFB0303405);国家杰出青年科学基金项目(61725301);国家自然科学基金青年基金项目(61503138);上海市自然科学基金项目(16ZR1407300)

年　　份：2020

卷　　号：41

期　　号：1

起止页码：208-213

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为降低特征噪声对分类性能的影响,提出一种基于极限学习机(extreme learning machine,ELM)的收缩极限学习机鲁棒算法模型(CELM)。采用自编码器对输入数据进行重构,将隐层输出值关于输入的雅克比矩阵的F范数引入到目标函数中,提取出更具鲁棒性的抽象特征表示,利用提取到的新特征对常规的ELM层进行训练,提高方法的鲁棒性。对Mnist、UCI数据集、TE过程数据集以及添加不同强度的混合高斯噪声之后的Mnist数据集进行仿真,实验结果表明,提出的方法较ELM、HELM具有更高的分类精度和更好的鲁棒性。

关 键 词：鲁棒性 极限学习机 雅克比矩阵 自编码器  故障诊断

分 类 号：TP277]