基于改进YOLOv11与GWO-ELM的食品生产线黄桃自动分级方法 被引量：1

1

作者 彭永杰 赵良军 龙绪明 《食品与机械》 北大核心 2025年第5期89-97,共9页

[目的]提高食品生产线黄桃自动分级方法的准确率和效率。[方法]在黄桃自动分级系统(机器视觉和高光谱技术)的基础上,提出一种融合改进YOLOv11与改进极限学习机的黄桃品质自动检测方法。外部品质图像通过CMOS传感器相机进行采集,通过改进... [目的]提高食品生产线黄桃自动分级方法的准确率和效率。[方法]在黄桃自动分级系统(机器视觉和高光谱技术)的基础上,提出一种融合改进YOLOv11与改进极限学习机的黄桃品质自动检测方法。外部品质图像通过CMOS传感器相机进行采集,通过改进YOLOv11模型识别缺陷,并结合果型指数与色泽判定外部品质。内部品质则通过高光谱仪采集,经特征筛选后,输入改进灰狼算法优化的极限学习机模型中检测可溶性固形物和硬度指标判定内部品质。结合外部品质和内部品质对黄桃进行分级。通过试验对其性能进行验证。[结果]试验方法可以实现食品生产线黄桃内外品质的有效检测,综合内部品质具有较高的分级准确率和效率,分级准确率大于95.00%,平均分级时间小于0.3 s。[结论]将机器视觉、高光谱技术以及智能算法相结合,可实现食品品质的快速无损检测。 展开更多

关键词 食品生产线 黄桃 自动分级 机器视觉 高光谱技术 YOLOv11 极限学习机

在线阅读 下载PDF 职称材料

基于AI算法的隧道衬砌冷缝检测分类研究

2

作者 冯源 邓立 +5 位作者 路景海 邓愿涛 孙武鹏 温先划 朱洪谷 吴佳晔 《铁道建筑》 北大核心 2025年第1期99-103,共5页

针对隧道衬砌冷缝,基于冲击弹性波面波的检测技术得到了较为广泛的应用,但其解析难度大,效率低。本文提出一种基于响应函数、核主成分分析法和核极限学习机的人工智能冷缝检测分类模型,实现了数据的自动分析及冷缝分类判别。进而通过对... 针对隧道衬砌冷缝,基于冲击弹性波面波的检测技术得到了较为广泛的应用,但其解析难度大,效率低。本文提出一种基于响应函数、核主成分分析法和核极限学习机的人工智能冷缝检测分类模型,实现了数据的自动分析及冷缝分类判别。进而通过对极限学习机关键参数优化方法的选取和改进,提升了模型的预测精度和泛化能力。实际验证结果表明,本文给出的方法具有较高的预测精度,且对冷缝有较低的漏检率,能够有效提升面波法检测衬砌冷缝的解析效率和精度。 展开更多

关键词 隧道衬砌 冷缝 检测 海鸥优化算法 核极限学习机

在线阅读 下载PDF 职称材料

基于改进堆叠降噪自编码器的配电网高阻接地故障检测方法 被引量：2

3

作者 罗国敏 杨雪凤 +3 位作者 尚博阳 罗思敏 和敬涵 王小君 《电力系统保护与控制》 EI CSCD 北大核心 2024年第24期149-160,共12页

针对配电网高阻故障判定阈值选取难、噪声影响大和识别精度低等问题,提出了一种基于改进堆叠降噪自编码器的高阻接地故障检测方法,从特征提取及网络模型两个层面增强检测方法的可靠性与抗噪性能。首先,结合时频数据处理手段刻画高阻接... 针对配电网高阻故障判定阈值选取难、噪声影响大和识别精度低等问题,提出了一种基于改进堆叠降噪自编码器的高阻接地故障检测方法,从特征提取及网络模型两个层面增强检测方法的可靠性与抗噪性能。首先,结合时频数据处理手段刻画高阻接地故障与正常工况的物理特性差异,为构建故障样本特征库提供理论依据;其次,通过皮尔逊相关系数对时域、频域和时频域的故障特征进行分析与筛选,从而构造多域特征融合样本库,避免特征冗余现象;然后,利用极限学习机的强高维特征分类特性对堆叠降噪自编码器模型进行改进,以提高高阻接地故障分类器的鲁棒性和准确性;最后,在Matlab/Simulink中搭建10kV配电网仿真模型进行算例分析。结果表明,该方法在-1dB强噪声条件下仍有95.57%的高阻故障检测准确率,具有较高的工程实用价值。 展开更多

关键词 配电网 高阻接地故障 多域特征融合 堆叠降噪自编码器 极限学习机

在线阅读 下载PDF 职称材料

基于IHHO-HKELM输电线路覆冰预测模型 被引量：9

4

作者 黄力 宋爽 +4 位作者 刘闯 王骏骏 胡丹 何其新 鲁偎依 《电力科学与技术学报》 CAS CSCD 北大核心 2024年第4期33-41,共9页

为了进一步提高输电线路覆冰预测精度,提出一种基于改进哈里斯鹰算法(improved harris hawk optimiza-tion,IHHO)优化混合核极限学习机(hybrid kernel extreme learning machine,HKELM)的输电线路覆冰预测模型。在核极限学习机(KELM)中... 为了进一步提高输电线路覆冰预测精度,提出一种基于改进哈里斯鹰算法(improved harris hawk optimiza-tion,IHHO)优化混合核极限学习机(hybrid kernel extreme learning machine,HKELM)的输电线路覆冰预测模型。在核极限学习机(KELM)中引入混合核函数,形成HKELM,利用黄金正弦、非线性递减能量指数和高斯随机游走等策略对IHHO算法进行改进;以IHHO算法的优化性能采用其对HKELM的权值向量和核参数进行优化,建立基于IHHO-HKELM的输电线路覆冰预测模型,并通过计算气象因素与覆冰厚度之间的灰色关联度确定覆冰预测模型的输入量。算例分析结果表明,IHHO-HKELM模型预测结果的均方误差、最大误差和平均相对误差分别为0.285、0.860 mm和2.83%,预测效果好于其他模型,将本文覆冰预测模型应用于其他覆冰线路,可获得良好的应用效果并验证模型的优越性和实用性。 展开更多

关键词 输电线路 覆冰预测 核极限学习机 混合核函数 改进哈里斯鹰算法

在线阅读 下载PDF 职称材料

基于BA-MKELM的微电网故障识别与定位 被引量：2

5

作者 吴忠强 卢雪琴 《计量学报》 CSCD 北大核心 2024年第2期253-260,共8页

提出一种基于贝叶斯算法优化多核极限学习机的微电网故障识别和定位方法。针对极限学习机输入参数和隐含层节点数随机选取导致回归能力不足的问题,引入核函数,将多项式与高斯径向基核函数加权组合构成多核极限学习机建立故障识别与定位... 提出一种基于贝叶斯算法优化多核极限学习机的微电网故障识别和定位方法。针对极限学习机输入参数和隐含层节点数随机选取导致回归能力不足的问题,引入核函数,将多项式与高斯径向基核函数加权组合构成多核极限学习机建立故障识别与定位模型,并采用贝叶斯算法对多核极限学习机相关参数进行优化,进一步提高模型的逼近能力。为了验证所提模型的故障识别与定位性能,选用极限学习机和多核极限学习机分别建立故障诊断模型进行比较分析。实验结果表明,所提方法能够高性能地识别和定位微电网中任何类型的故障,识别和定位精度更高。 展开更多

关键词 电学计量 微电网线路 故障识别和定位 贝叶斯算法 多核极限学习机 小波包分解

在线阅读 下载PDF 职称材料

基于表层温度深度学习的电缆接头绝缘劣化非接触式诊断 被引量：2

6

作者 严丹昭 陈晶 +1 位作者 兰旺耀 廖一鹏 《红外技术》 CSCD 北大核心 2024年第6期712-721,共10页

为提升电缆中间接头绝缘层劣化程度的现场诊断效率和准确度,提出一种基于表层温度自适应深度学习的接头绝缘劣化状态非接触式诊断方法。首先,对电缆接头及两端电缆的绝缘表层进行红外热成像,实现电缆接头中心两边多个对称区域的表层温... 为提升电缆中间接头绝缘层劣化程度的现场诊断效率和准确度,提出一种基于表层温度自适应深度学习的接头绝缘劣化状态非接触式诊断方法。首先,对电缆接头及两端电缆的绝缘表层进行红外热成像,实现电缆接头中心两边多个对称区域的表层温度、接头两端电缆的表层温度的非接触式采集;其次,构建基于双隐层自编码极限学习机的深度学习网络,以挖掘表层温度数据内部深层次隐含特征,将提取的深度隐含特征作为随机森林诊断模型输入;然后,提出一种非线性动态自适应旋转角的量子旋转门以改进量子烟花算法的更新策略,并用于诊断模型参数优化;最后,结合接头表层红外温度和绝缘介质损耗角正切值构建数据集,对诊断模型进行训练和现场测试。实验结果表明,改进后的量子烟花算法可以较好地逼近全局最优解、收敛效率高,深度学习随机森林诊断模型具有较强的特征抽取和分类能力,参数优化后诊断模型的分类精度和稳定性得到有效提高,在小样本训练集条件下就能达到较好的诊断效果,可实现接头绝缘劣化状态的非接触式诊断。 展开更多

关键词 电缆中间接头 红外测温 绝缘劣化诊断 双隐层自编码极限学习机 随机森林 量子烟花算法

在线阅读 下载PDF 职称材料

一种基于CNN与FFT‑ELM的输电线路故障识别与定位方法 被引量：14

7

作者 裴东锋 刘勇 +3 位作者 闫柯柯 郭威 宋福如 田志杰 《电力科学与技术学报》 CAS CSCD 北大核心 2024年第1期164-170,共7页

及时、准确地检测输电线路故障类型与位置是提高电力系统可靠性最重要的问题之一,为此提出一种基于卷积神经网络(convolutional neural networks,CNN)与基于快速傅里叶变换(fast Fourier transform,FFT)的极限学习机(extreme learning m... 及时、准确地检测输电线路故障类型与位置是提高电力系统可靠性最重要的问题之一,为此提出一种基于卷积神经网络(convolutional neural networks,CNN)与基于快速傅里叶变换(fast Fourier transform,FFT)的极限学习机(extreme learning machine,ELM)分类模型并行的输电线路故障识别及定位方法。首先,以故障电压时序图作为输入,构建CNN;然后,利用FFT将时域故障电压数据分解,提取各频段的电压峰值与相角作为故障特征样本;接着,以提取的故障特征样本集作为输入,构建ELM网络;最后,通过特征融合层将2个神经网络进行融合,输出故障类型和定位结果。实验结果表明,此方法对输电线路故障识别的准确率为99.95%、故障定位误差在500 m以内、平均误差为263.5 m,可靠性优于其他模型。 展开更多

关键词 故障识别及定位 输电线路 并行神经网络 卷积神经网络 快速傅里叶变换 极限学习机

在线阅读 下载PDF 职称材料

冰风暴灾害下输电线路故障概率预测 被引量：27

8

作者 杨洪明 黄拉 +1 位作者 何纯芳 易德鑫 《电网技术》 EI CSCD 北大核心 2012年第4期213-218,共6页

针对冰风暴灾害下输电线路运行故障问题,提出了基于极端学习机和Copula函数的断线倒塔概率预测模型。该模型运用广义极值分布刻画冰风暴灾害下冻雨量、风速、输电线和铁塔冰、风荷载的随机特性,并通过ELM网络预测出实时变化的GEV分布的... 针对冰风暴灾害下输电线路运行故障问题,提出了基于极端学习机和Copula函数的断线倒塔概率预测模型。该模型运用广义极值分布刻画冰风暴灾害下冻雨量、风速、输电线和铁塔冰、风荷载的随机特性,并通过ELM网络预测出实时变化的GEV分布的形状参数、尺度参数和位置参数。随后考虑冰、风荷载之间的概率相关性,借助Clayton-Copula建立冰、风荷载的联合概率分布,从而实现输电线和铁塔的实时故障概率预测。结合湖南郴州电网的历史数据展开算例分析,验证了该预测方法的有效性和准确性。 展开更多

关键词 极端学习机 广义极值 Clayton—Copula函数 输电线路 故障概率 冰风暴

在线阅读 下载PDF 职称材料

基于双模态深度自编码的孤立性肺结节诊断方法 被引量：8

9

作者 赵鑫 强彦 葛磊 《计算机科学》 CSCD 北大核心 2017年第8期312-317,共6页

近年来,深度学习技术在肺癌诊断方面得到了广泛的应用,但现有的研究主要集中于肺部CT图像。为了有效提高肺结节的诊断性能,提出一种基于双模态深度降噪自编码的肺结节诊断方法。首先,分别从肺部CT和PET图像中得到肺结节区域的特征信息;... 近年来,深度学习技术在肺癌诊断方面得到了广泛的应用,但现有的研究主要集中于肺部CT图像。为了有效提高肺结节的诊断性能,提出一种基于双模态深度降噪自编码的肺结节诊断方法。首先,分别从肺部CT和PET图像中得到肺结节区域的特征信息;然后,以候选结节的PET/CT图像作为整个深度自编码网络的输入,并对高层信息进行学习;最后,采用融合策略对多种特征进行融合并将其作为整个框架的输出。实验结果表明,提出的方法可以达到92.81%的准确率、91.75%的敏感度和1.58%的特异性,且优于其他方法的诊断性能,更适用于肺结节良/恶性的辅助诊断。 展开更多

关键词 降噪自编码 双模态 深度学习 极限学习机 肺结节辅助诊断

在线阅读 下载PDF 职称材料

ELM优化的深度自编码分类算法 被引量：6

10

作者 徐毅 董晴 +1 位作者 戴鑫 宋威 《计算机科学与探索》 CSCD 北大核心 2018年第5期820-827,共8页

针对自编码神经网络训练时间长的问题,提出了一种改进的深度自编码神经网络算法。首先利用极限学习机(extreme learning machine,ELM)作为自编码块,构建多层自编码神经网络,以提高分类准确率。采用ELM能避免大量的迭代过程,减少网络训... 针对自编码神经网络训练时间长的问题,提出了一种改进的深度自编码神经网络算法。首先利用极限学习机(extreme learning machine,ELM)作为自编码块,构建多层自编码神经网络,以提高分类准确率。采用ELM能避免大量的迭代过程,减少网络训练时间。其次为实现分类,在各输出层中加入标签节点,对实际输出与各样本的期望标签进行比对,使原始的自编码无监督学习转化为监督学习过程,从而在深度学习的过程中实现分类训练。为验证该方法的有效性,在多个UCI数据集中进行广泛的测试。实验结果表明,与其他自编码网络和RBF(radial basis function)神经网络相比,该方法取得了良好的分类准确率,并且有效提高了训练速度。 展开更多

关键词 深度神经网络 极限学习机 自编码 分类

在线阅读 下载PDF 职称材料

基于短波近红外高光谱和深度学习的籽棉地膜分选算法 被引量：19

11

作者 倪超 李振业 +3 位作者 张雄 赵岭 朱婷婷 蒋雪松 《农业机械学报》 EI CAS CSCD 北大核心 2019年第12期170-179,共10页

采用膜下滴灌棉花种植模式,在机械采摘过程中地膜易混入籽棉,对后续棉花加工影响极大。地膜无色透明且无荧光效应,常规方法很难识别。为了解决地膜的分选问题,提出一种基于短波近红外高光谱和深度学习的籽棉地膜分选算法。首先,针对高... 采用膜下滴灌棉花种植模式,在机械采摘过程中地膜易混入籽棉,对后续棉花加工影响极大。地膜无色透明且无荧光效应,常规方法很难识别。为了解决地膜的分选问题,提出一种基于短波近红外高光谱和深度学习的籽棉地膜分选算法。首先,针对高光谱图像中地膜与非地膜像素点光谱特征区分不明显的问题,利用堆叠自适应加权自编码器逐层提取与输出相关的低维非线性高阶特征;然后,将此高阶特征作为分类器的输入,采用粒子群优化的极限学习机实现初步分类;最后,对分类结果进行类型合并,运用形态学方法以及连通域分析,剔除误识别区域,得到优化后的地膜分类结果。经仿真试验及现场测试,算法对地膜识别率达到95.5%,地膜选出率达95%,满足实际生产需求。 展开更多

关键词 籽棉 地膜 短波近红外高光谱成像 分选 自适应加权自编码器 极限学习机

在线阅读 下载PDF 职称材料

NSST域改进ORB的泡沫流动特征提取及加药状态识别 被引量：4

12

作者 廖一鹏 陈诗媛 +2 位作者 杨洁洁 王志刚 王卫星 《光学精密工程》 EI CAS CSCD 北大核心 2020年第12期2684-2699,共16页

针对浮选泡沫表面图像动态变化、光照影响、噪声干扰导致流动特征难于提取的问题,提出了一种在NSST域改进ORB的泡沫流动特征提取方法,并应用于浮选加药状态识别。对相邻两帧泡沫图像NSST分解,对多尺度高频子带先通过尺度相关系数去除噪... 针对浮选泡沫表面图像动态变化、光照影响、噪声干扰导致流动特征难于提取的问题,提出了一种在NSST域改进ORB的泡沫流动特征提取方法,并应用于浮选加药状态识别。对相邻两帧泡沫图像NSST分解,对多尺度高频子带先通过尺度相关系数去除噪声再分为多个内层和外层,在各内层通过方向模极大值检测提取兴趣点,然后在本层和上下层通过非极大值抑制提取特征点,采用多尺度BRIEF描述子对特征点描述,结合泡沫的运动趋势动态调整搜索的匹配区域,根据匹配结果计算泡沫流动特征。最后,构建行列自编码极限学习机对泡沫形态、尺寸分布特征和流动特征进行融合,然后通过自适应随机森林对加药状态分类识别。实验结果表明,改进的ORB受噪声和光照影响小,流动特征检测精度和效率较现有方法有较大提高,能准确地表征不同加药状态下泡沫表面的流动特性,加药状态的平均识别精度达97.85%,较现有文献方法有较大提升,为后续的加药量优化控制奠定基础。 展开更多

关键词 浮选泡沫图像 流动特征提取 ORB 非下采样剪切波变换 行列自编码极限学习机 自适应随机森林

在线阅读 下载PDF 职称材料

基于核函数的加权极限学习机污水处理在线故障诊断 被引量：9

13

作者 许玉格 邓文凯 陈立定 《化工学报》 EI CAS CSCD 北大核心 2016年第9期3817-3825,共9页

污水生化处理中的运行故障会引起出水水质不达标、运行费用增高和环境二次污染等严重问题,需要及时准确地对运行故障进行诊断。考虑到污水处理过程运行状态数据的不平衡性造成故障诊断准确率下降,提出了一种基于核函数的加权极限学习机... 污水生化处理中的运行故障会引起出水水质不达标、运行费用增高和环境二次污染等严重问题,需要及时准确地对运行故障进行诊断。考虑到污水处理过程运行状态数据的不平衡性造成故障诊断准确率下降,提出了一种基于核函数的加权极限学习机污水处理过程实时在线故障诊断方法。该方法以极限学习机为基础,采用加权的方式处理数据的不平衡特性,通过核函数的非线性映射来提高数据线性可分的程度。仿真实验证明,本文建立的污水处理在线故障诊断模型在线测试精度高,泛化性能好,模型在线更新速度快,能够比较好地满足准确性和实时性,实现对污水处理过程的在线故障诊断。 展开更多

关键词 加权极限学习机 核函数 在线建模 污水处理 故障诊断 仿真实验

在线阅读 下载PDF 职称材料

结合双模多尺度CNN特征及自适应深度KELM的浮选工况识别 被引量：12

14

作者 廖一鹏 张进 +1 位作者 王志刚 王卫星 《光学精密工程》 EI CAS CSCD 北大核心 2020年第8期1785-1798,共14页

针对可见光图像特征驱动的浮选工况识别方法的不足,提出一种基于双模态图像多尺度CNN特征及自适应深度自编码核极限学习机(Kernel Extreme Learning Machine,KELM)的浮选工况识别方法。先对泡沫的可见光、红外图像进行非下采样剪切波多... 针对可见光图像特征驱动的浮选工况识别方法的不足,提出一种基于双模态图像多尺度CNN特征及自适应深度自编码核极限学习机(Kernel Extreme Learning Machine,KELM)的浮选工况识别方法。先对泡沫的可见光、红外图像进行非下采样剪切波多尺度分解,设计双通道CNN网络对双模态多尺度图像进行特征提取及融合,将多个双隐层自编码极限学习机串联成深度学习网络对CNN特征逐层抽象提取,然后通过核极限学习机映射到更高维空间进行决策,最后改进量子细菌觅食算法并应用于深度自编码KELM识别模型参数优化。实验结果表明采用双模多尺度CNN特征较单模多尺度、双模单尺度CNN特征的识别精度提高了2.65%,自适应深度自编码KELM模型具有较好的分类精度和泛化性能,各工况识别的平均准确率达到95.98%,识别精度和稳定性较现有方法有较大提升。 展开更多

关键词 浮选工况识别 双模态图像 卷积神经网络 深度双隐层自编码极限学习机 量子细菌觅食算法

在线阅读 下载PDF 职称材料

局域极端学习机及其在状态在线监测中的应用 被引量：12

15

作者 张弦 王宏力 《上海交通大学学报》 EI CAS CSCD 北大核心 2011年第2期236-240,共5页

针对训练样本贯序输入时的极端学习机(ELM)训练问题,提出一种可实现在线训练的局域极端学习机(LELM).LELM以逐次增样训练与减样训练的方式实现在线训练,从而有效保持了简约的模型结构,同时利用分块矩阵求逆引理有效减小了多次模型训练... 针对训练样本贯序输入时的极端学习机(ELM)训练问题,提出一种可实现在线训练的局域极端学习机(LELM).LELM以逐次增样训练与减样训练的方式实现在线训练,从而有效保持了简约的模型结构,同时利用分块矩阵求逆引理有效减小了多次模型训练的计算代价.混沌时间序列在线预测仿真表明,LELM的在线训练时间远小于ELM,且预测精度更高.基于时间序列预测的雷达发射机状态在线监测实例表明,相比于利用粒子群优化的自适应灰色模型方法,LELM具有更高的计算效率与预测精度,适用于电子系统状态在线监测. 展开更多

关键词 极端学习机 在线训练 电子系统 时间序列预测 状态监测

在线阅读 下载PDF 职称材料

基于选择性更新的在线核极限学习机建模 被引量：6

16

作者 孙朝江 汤健 +1 位作者 魏忠军 赵立杰 《控制工程》 CSCD 北大核心 2013年第4期659-662,共4页

针对每样本递推更新的在线建模方法计算消耗大、常用的人工智能建模方法学习速度慢的缺点,为能够对软测量模型进行有效更新和提高在线模型的学习速度,提出了一种基于选择性更新的在线核极限学习机(KELM)建模方法。该方法首先采用近似线... 针对每样本递推更新的在线建模方法计算消耗大、常用的人工智能建模方法学习速度慢的缺点,为能够对软测量模型进行有效更新和提高在线模型的学习速度,提出了一种基于选择性更新的在线核极限学习机(KELM)建模方法。该方法首先采用近似线性依靠(ALD)条件判别新样本与建模样本间的线性独立依靠程度,选择满足设定条件、含有足够新信息的样本对软测量模型进行更新,降低了模型在线学习次数;然后选择学习速度快、泛化性强的KELM方法建立软测量模型,有效地避免了极限学习机(ELM)模型固有的随机性和支持向量机(SVM)模型求解的复杂性;最后将ALD条件和KELM算法有效结合,提高了在线软测量模型的学习速度和预测性能。通过合成数据的仿真实验结果验证了所提方法的有效性。 展开更多

关键词 选择性更新 近似线性依靠(ALD) 核极限学习机(KELM) 在线建模

在线阅读 下载PDF 职称材料

极限学习机方法在电力线路建设成本估算中的应用研究 被引量：19

17

作者 舒隽 甘磊 《现代电力》 2011年第4期78-83,共6页

为了提高我国电力工程建设成本概预算方法的客观性和科学性,根据电力线路建设的影响因素,结合单隐层前馈神经网络(SLFN)的特点,提出了基于极限学习机(ELM)的电力线路建设成本估算的方法。在分析影响电力线路建设成本的因素和归纳电力线... 为了提高我国电力工程建设成本概预算方法的客观性和科学性,根据电力线路建设的影响因素,结合单隐层前馈神经网络(SLFN)的特点,提出了基于极限学习机(ELM)的电力线路建设成本估算的方法。在分析影响电力线路建设成本的因素和归纳电力线路建设工程的相关具体成本项目的基础上,建立各因素和电力建设成本之间的关系集合,构建基于极限学习机的电力线路建设成本估算神经网络模型,并利用极限学习机算法对该网络模型进行训练,确定网络中的相应参数。算例仿真说明:在电力线路建设成本估算领域,相对于BP网络,ELM不仅速度极快,而且结果良好,泛化性能也较优。 展开更多

关键词 人工神经网络 极限学习机 BP网络 电力线路建设 成本估算

在线阅读 下载PDF 职称材料

基于核极限学习机自编码器的转盘轴承寿命状态识别 被引量：6

18

作者 潘裕斌 王华 +1 位作者 陈捷 洪荣晶 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2022年第9期1856-1866,共11页

针对低速重载转盘轴承运行工况恶劣、故障特征微弱的特点,提出基于飞蛾扑火算法优化多层核极限学习机自编码器(MFO-MLKELM-AE)的转盘轴承寿命状态识别方法.该方法从振动信号的时域和时频域中提取出多个能够表征转盘轴承运行状态的特征向... 针对低速重载转盘轴承运行工况恶劣、故障特征微弱的特点,提出基于飞蛾扑火算法优化多层核极限学习机自编码器(MFO-MLKELM-AE)的转盘轴承寿命状态识别方法.该方法从振动信号的时域和时频域中提取出多个能够表征转盘轴承运行状态的特征向量,并将其组成高维特征集.采用堆叠多层核极限学习机自编码器(MLKELM-AE),从高维特征集中提取最能反映转盘轴承的寿命状态信息,输入核极限学习机(KELM)模型进行寿命状态识别.在MLKELM-AE学习训练中,采用新的飞蛾扑火算法(MFO)优化惩罚系数和核参数,提高MLKELM-AE的特征识别能力.转盘轴承加速寿命实验表明,MLKELM-AE比多层极限学习机自编码器(MLELMAE)、单层极限学习机(ELM)、KELM的识别精度高,多传感器、多领域特征能够全面反映转盘轴承的寿命状态. 展开更多

关键词 低速重载转盘轴承 多层核极限学习机自编码器(MLKELM-AE) 飞蛾扑火算法(MFO) 寿命状态识别 多领域特征

在线阅读 下载PDF 职称材料

基于POS-ELM的孤立性肺结节诊断方法研究 被引量：3

19

作者 葛磊 强彦 张伟 《科学技术与工程》 北大核心 2016年第36期55-60,67,共7页

在肺结节诊断方法研究中,传统机器学习诊断方法存在诊断性能不稳定的问题。为了提高孤立性肺结节的识别准确率,提出基于粒子群优化(particle swarm optimization,PSO)参数的极限学习机(extreme learning machine,ELM)辅助诊断方法。首... 在肺结节诊断方法研究中,传统机器学习诊断方法存在诊断性能不稳定的问题。为了提高孤立性肺结节的识别准确率,提出基于粒子群优化(particle swarm optimization,PSO)参数的极限学习机(extreme learning machine,ELM)辅助诊断方法。首先采用PSO选取ELM最佳的初始权重ω和偏置b;然后利用最佳参数ω和b对ELM进行训练;再利用PSO-ELM对通过稀疏自编码得到的肺结节特征进行分类识别。实验中,将传统机器学习算法与本文方法进行对比,结果表明,利用粒子群优化算法进行优化的极限学习机在孤立性肺结节诊断方面具有较高识别准确率和稳定的分类性能,可以作为一种有效的肺结节诊断工具。 展开更多

关键词 粒子群优化算法 极限学习机 孤立性肺结节 稀疏自编码 计算机辅助诊断

在线阅读 下载PDF 职称材料

子空间结构保持的多层极限学习机自编码器 被引量：5

20

作者 陈晓云 陈媛 《自动化学报》 EI CAS CSCD 北大核心 2022年第4期1091-1104,共14页

处理高维复杂数据的聚类问题,通常需先降维后聚类,但常用的降维方法未考虑数据的同类聚集性和样本间相关关系,难以保证降维方法与聚类算法相匹配,从而导致聚类信息损失.非线性无监督降维方法极限学习机自编码器(Extreme learning machin... 处理高维复杂数据的聚类问题,通常需先降维后聚类,但常用的降维方法未考虑数据的同类聚集性和样本间相关关系,难以保证降维方法与聚类算法相匹配,从而导致聚类信息损失.非线性无监督降维方法极限学习机自编码器(Extreme learning machine,ELM-AE)因其学习速度快、泛化性能好,近年来被广泛应用于降维及去噪.为使高维数据投影至低维空间后仍能保持原有子空间结构,提出基于子空间结构保持的多层极限学习机自编码器降维方法(Multilayer extreme learning machine autoencoder based on subspace structure preserving,ML-SELM-AE).该方法在保持聚类样本多子空间结构的同时,利用多层极限学习机自编码器捕获样本集的深层特征.实验结果表明,该方法在UCI数据、脑电数据和基因表达谱数据上可以有效提高聚类准确率且取得较高的学习效率. 展开更多

关键词 多层极限学习机 自编码器 子空间学习 降维

在线阅读 下载PDF 职称材料