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。
科研之友
微信
新浪微博
Facebook
分享链接
