基于极限学习机的分类算法及在故障识别中的应用

• 作者: 刘康玲 梁军 裘日辉 谭海龙
• 来源期刊: 浙江大学学报（工学版）
• 学科: 工学
• 关键词: 极限学习机(ELM ) 单分类 分类算法 故障识别
• 年，卷（期）: 2016,（10）
• 所属期刊栏目: 机械与电气工程
• 页码范围: 1965-1972
• 页数: 8页
• 分类号: TP181
• 字数: 6148字
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2016.10.017

摘要

利用极限学习机（ELM ）分类器的结构特点重新设计面向多分类任务的ELM分类器，提出基于ELM的优化分类算法One‐Class‐PCA‐ELM 。该算法的实现过程如下：对故障数据进行主元分析（PCA ）处理，降低数据维数，去除噪声与冗余信息；将训练数据集按类分割，建立各类对应的单分类模型，整合得到One‐Class‐PCA‐ELM 分类模型；将待分类数据输入One‐Class‐PCA‐ELM 分类模型，得到待分类数据的类标号，完成分类。仿真实验结果表明，该算法保持了极限学习机极快的训练速度，具有较高的分类准确率及较理想的分类稳定性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梁军	浙江大学工业控制技术国家重点实验室	55	659	14.0	24.0
2	谭海龙	浙江大学工业控制技术国家重点实验室	3	37	2.0	3.0
3	刘康玲	浙江大学工业控制技术国家重点实验室	3	45	2.0	3.0
4	裘日辉	浙江大学工业控制技术国家重点实验室	1	30	1.0	1.0