基于堆栈稀疏自编码融合核极限学习机的近红外光谱药品鉴别

• 作者: 冯艳春 尹利辉 张卫东 李灵巧 杨辉华 胡昌勤 胡锦泉
• 来源期刊: 分析化学
• 关键词: 稀疏自编码网络 核极限学习机 核函数 近红外光谱 药品鉴别
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 研究报告
• 页码范围: 1446-1454
• 页数: 9页
• 字数: 4542字
• 语种: 中文
• DOI: 10.11895/j.issn.0253-3820.171343

摘要

提出一种基于堆栈稀疏自编码融合核极限学习机(Stacked sparse auto-encoders combine kernel extreme learning machine,SSAE-KELM)的近红外药品鉴别方法,通过引入核极限学习机代替SSAE的Softmax分类和BP微调阶段,减少了模型的训练步骤、训练参数以及训练时间,提高了深度学习网络的实际应用能力,核函数的引入提高了模型的分类能力.其中,SSAE用于初始化整个网络模型,并且从输入数据中学习到有用的特征,KELM用于实现分类任务.研究了SSAE-KELM模型对不同厂商生产的同一包装形式(铝塑或非铝塑)药品鉴别的预测能力、稳定性及训练时间,以实现药品的二分类和多分类的无损鉴别.同时,与ELM、SSAE、BP、SVM及随机隐退深度信念网络(Dropout-DBN)进行对比.结果表明,无论是二分类还是多分类,SSAE-KELM不仅具有更优的分类能力和稳定性、还减少了训练时间.因此,SSAE-KELM是一种有效的光谱分类建模工具.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡昌勤		136	446	12.0	16.0
2	李灵巧	桂林电子科技大学计算机与信息安全学院	22	118	7.0	10.0
4	尹利辉		52	197	8.0	11.0
5	张卫东	桂林电子科技大学计算机与信息安全学院	10	15	2.0	2.0
6	冯艳春		19	73	5.0	7.0
9	胡锦泉	北京邮电大学自动化学院	4	4	1.0	1.0