基于极限学习机的分类算法及在故障识别中的应用

作者：裘日辉; 刘康玲; 谭海龙; 梁军

来源：浙江大学学报(工学版), 2016, 50(10): 1965-1972.

• 极限学习机(ELM)
• 单分类
• 分类算法
• 故障识别

利用极限学习机(ELM)分类器的结构特点重新设计面向多分类任务的ELM分类器,提出基于ELM的优化分类算法One-Class-PCA-ELM.该算法的实现过程如下:对故障数据进行主元分析(PCA)处理,降低数据维数,去除噪声与冗余信息;将训练数据集按类分割,建立各类对应的单分类模型,整合得到One-Class-PCA-ELM分类模型;将待分类数据输入One-Class-PCA-ELM分类模型,得到待分类数据的类标号,完成分类.仿真实验结果表明,该算法保持了极限学习机极快的训练速度,具有较高的分类准确率及较理想的分类稳定性.

• 单位
  浙江大学; 工业控制技术国家重点实验室