基于收缩极限学习机的故障诊断鲁棒方法

• 作者: 叶贞成 吴志国 朱远明 程辉 陈剑挺
• 来源期刊: 计算机工程与设计
• 学科: 工学
• 关键词: 鲁棒性 极限学习机 雅克比矩阵 自编码器 故障诊断
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 智能技术
• 页码范围: 208-213
• 页数: 6页
• 分类号: TP277
• 字数: 4169字
• 语种: 中文
• DOI: 10.16208/j.issn1000-7024.2020.01.034

摘要

为降低特征噪声对分类性能的影响,提出一种基于极限学习机(extreme learning machine,ELM)的收缩极限学习机鲁棒算法模型(CELM).采用自编码器对输入数据进行重构,将隐层输出值关于输入的雅克比矩阵的F范数引入到目标函数中,提取出更具鲁棒性的抽象特征表示,利用提取到的新特征对常规的ELM层进行训练,提高方法的鲁棒性.对Mnist、UCI数据集、TE过程数据集以及添加不同强度的混合高斯噪声之后的Mnist数据集进行仿真,实验结果表明,提出的方法较ELM、HELM具有更高的分类精度和更好的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	叶贞成	华东理工大学化工过程先进控制和优化技术教育部重点实验室	34	115	6.0	9.0
2	程辉	华东理工大学化工过程先进控制和优化技术教育部重点实验室	18	81	5.0	8.0
3	陈剑挺	华东理工大学化工过程先进控制和优化技术教育部重点实验室	2	0	0.0	0.0
4	吴志国		1	0	0.0	0.0
5	朱远明	华东理工大学化工过程先进控制和优化技术教育部重点实验室	1	0	0.0	0.0