基于极限学习机的分类算法及在故障识别中的应用

作     者：裘日辉 刘康玲 谭海龙 梁军 QIU Ri-hui;LIU Kang-ling;TAN Hai-long;LIANG Jun

作者机构：浙江大学工业控制技术国家重点实验室浙江杭州310027 

基　　金：国家自然科学基金资助项目(U1509203 61174114) 教育部博士点基金优先领域资助项目(20120101130016) 浙江省公益性技术应用研究计划资助项目(2014C31019) 

出 版 物：《浙江大学学报（工学版）》 (Journal of Zhejiang University：Engineering Science)

年 卷 期：2016年第50卷第10期

页      码：1965-1972页

摘      要：利用极限学习机(ELM)分类器的结构特点重新设计面向多分类任务的ELM分类器,提出基于ELM的优化分类算法One-Class-PCA-ELM.该算法的实现过程如下:对故障数据进行主元分析(PCA)处理,降低数据维数,去除噪声与冗余信息;将训练数据集按类分割,建立各类对应的单分类模型,整合得到One-Class-PCA-ELM分类模型;将待分类数据输入One-Class-PCA-ELM分类模型,得到待分类数据的类标号,完成分类.仿真实验结果表明,该算法保持了极限学习机极快的训练速度,具有较高的分类准确率及较理想的分类稳定性.

主 题 词：极限学习机(ELM) 单分类 分类算法 故障识别 

学科分类：0810[工学-土木类] 12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0805[工学-能源动力学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.3785/j.issn.1008-973X.2016.10.017

馆 藏 号：203194485...