会员登陆: 用户名:  密码: 验证码:
首页 杂志概况 投稿须知 在线投稿 在线阅读 征订启事 广告服务 行业资讯 企业动态 资料中心  专访报道 会展信息 ENGLISH

在线审稿投稿系统

在线阅读

搜索结果

基于堆栈稀疏自编码融合核极限学习机的近红外光谱药品鉴别
张卫东 , 李灵巧 , 胡锦泉 , 冯艳春 , 尹利辉 , 胡昌勤 , 杨辉华
doi:  10.11895/j.issn.0253-3820.171343
提出一种基于堆栈稀疏自编码融合核极限学习机(Stacked sparse auto-encoders combine kernel extreme learning machine,SSAE-KELM)的近红外药品鉴别方法,通过引入核极限学习机代替SSAE的Softmax分类和BP微调阶段,减少了模型的训练步骤、训练参数以及训练时间,提高了深度学习网络的实际应用能力,核函数的引入提高了模型的分类能力。其中,SSAE用于初始化整个网络模型,并且从输入数据中学习到有用的特征,KELM用于实现分类任务。研究了SSAE-KELM模型对不同厂商生产的同一包装形式(铝塑或非铝塑)药品鉴别的预测能力、稳定性及训练时间,以实现药品的二分类和多分类的无损鉴别。同时,与ELM、SSAE、BP、SVM及随机隐退深度信念网络(Dropout-DBN)进行对比。结果表明,无论是二分类还是多分类,SSAE-KELM不仅具有更优的分类能力和稳定性、还减少了训练时间。因此,SSAE-KELM是一种有效的光谱分类建模工具。
关键词: 稀疏自编码网络, 核极限学习机, 核函数, 近红外光谱, 药品鉴别