基于奇异值分解极限学习机的维修等级决策

• 作者: 刘璟忠
• 来源期刊: 中南大学学报（自然科学版）
• 学科: 工学
• 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
• 年，卷（期）: 2017,（7）
• 所属期刊栏目: 机械工程·控制科学与工程
• 页码范围: 1769-1773
• 页数: 5页
• 分类号: TP206
• 字数: 2838字
• 语种: 中文
• DOI: 10.11817/j.issn.1672-7207.2017.07.012

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘璟忠	湖南大学信息科学与工程学院	18	34	3.0	5.0