基于栈式自编码融合极限学习机的药品鉴别

作     者：张卫东 路皓翔 甘博瑞 杨辉华 ZHANG Wei-dong;LU Hao-xiang;GAN Bo-rui;YANG Hui-hua

作者机构：桂林电子科技大学计算机与信息安全学院广西桂林541004 北京邮电大学自动化学院北京100876 

基　　金：国家自然科学基金项目(21365008 61105004) 广西壮族自治区自然科学基金项目(2013GXNSFBA019279) 

出 版 物：《计算机工程与设计》 (Computer Engineering and Design)

年 卷 期：2019年第40卷第2期

页      码：545-549,561页

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。

主 题 词：抽象特征 近红外光谱 药品鉴别 栈式自编码 极限学习机 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.16208/j.issn1000-7024.2019.02.043

馆 藏 号：203454381...