基于栈式自编码融合极限学习机的药品鉴别

• 作者: 张卫东 杨辉华 甘博瑞 路皓翔
• 来源期刊: 计算机工程与设计
• 学科: 工学
• 关键词: 抽象特征 近红外光谱 药品鉴别 栈式自编码 极限学习机
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 智能技术
• 页码范围: 545-549,561
• 页数: 6页
• 分类号: TP183
• 字数: 3490字
• 语种: 中文
• DOI: 10.16208/j.issn1000-7024.2019.02.043

摘要

近红外光谱数据维度较高,传统的特征提取方法不足以提取更高层次的抽象特征,为此提出一种栈式自编码融合极限学习机的药品鉴别方法,利用ELM代替SAE的反向微调和Softmax分类阶段,减少了SAE的训练时间,提高了SAE的应用能力.以不同厂商生产的非铝塑包装的头孢克肟片药品的近红外光谱为实例,在不同规模的数据集下,验证该算法,并与其它机器学习方法进行对比.实验结果表明,SAE-ELM减少了SAE的训练时间,具有较高分类准确率和稳定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨辉华	桂林电子科技大学计算机与信息安全学院	94	618	13.0	19.0
3	路皓翔	桂林电子科技大学计算机与信息安全学院	8	2	1.0	1.0
4	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
7	甘博瑞	桂林电子科技大学计算机与信息安全学院	2	4	1.0	2.0