一类基于非线性PCA和深度置信网络的混合分类器及其在PM2.5浓度预测和影响因素诊断中的应用

• 作者: 宿翀 李宏光 高月
• 来源期刊: 自动化学报
• 关键词: 深度置信网 非线性主元分析 PM2.5 信息熵
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 论文与报告
• 页码范围: 318-329
• 页数: 12页
• 字数: 7955字
• 语种: 中文
• DOI: 10.16383/j.aas.2018.c160045

摘要

传统的深度置信网络(Deep brief networks,DBN)在建立高维数据分类模型时,往往存在网络负荷大,运算复杂度高等问题.本文首先基于非线性PCA (NPCA)对高维样本数据进行降维,然后以提取到的非线性特征作为DBN的网络输入,构建了一类含非线性特征提取预处理机制的DBN分类器.并从信息熵理论的角度出发,证明了所提改进DBN分类器在网络结构和算法复杂度方面的优势.通过一个PM2.5浓度预测与影响因素诊断实例,验证了所提改进DBN在一类分类和影响因素诊断问题中的应用,并与传统的分类器进行对比,显示了所提方法在建模精度及收敛速度上的优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李宏光	北京化工大学信息科学与技术学院	108	613	12.0	17.0
2	宿翀	北京化工大学信息科学与技术学院	12	38	4.0	5.0
3	高月	北京化工大学信息科学与技术学院	4	14	2.0	3.0