-
题名基于单类分类方法的道路高排放源识别算法
被引量：1
- 1
-
-
作者
周汉胜
李泽瑞
周金华
-
机构
安徽医科大学生物医学工程学院
合肥综合性国家科学中心人工智能研究院
-
出处
《传感器与微系统》
CSCD
北大核心
2023年第1期140-143,148,共5页
-
基金
国家自然科学基金资助项目(62103125)
安徽省自然科学基金资助项目(1908085MA4)
+1 种基金
安徽省博士后研究人员科研活动资助项目(BSH202103)
合肥综合性国家科学中心人工智能研究院资助项目(21JZ001)。
-
文摘
为了提高对道路高排放源的识别效率,降低其造成的大气污染,提出了一种基于随机傅里叶特征和非常稀疏映射的单类分类(OCC)宽度学习系统(BLS)的道路高排放源识别方法,即OCC-FS-BLS。首先,将道路高排放源数据进行非线性的随机傅里叶特征映射得到BLS的特征节点,再通过非常稀疏随机映射生成增强节点,拼接所有节点作为BLS输出层的输入;然后,通过岭回归求解改进BLS的输出权重;最后,根据OCC-BLS构建单类分类算法的策略,实现OCC-FS-BLS算法。实验结果表明:OC-FS-BLS在高排放源识别任务中相比OCC-BLS等其他模型表现出更好的识别性能。
-
关键词
高排放源识别
单类分类
宽度学习系统
随机傅里叶特征
非常稀疏随机映射
遥感监测
-
Keywords
high-emitter identification
one-class classification(OCC)
broad learning system(BLS)
random Fourier feature
very sparse random projection
remote monitoring
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
U495
[交通运输工程—交通运输规划与管理]
-
