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

作者：张卫东; 李灵巧; 胡锦泉; 冯艳春; 尹利辉; 胡昌勤; 杨辉华^*

来源：Chinese Journal of Analytical Chemistry, 2018, 46(09): 1446-1454.

• 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

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。

• 单位
  北京邮电大学; 桂林电子科技大学; 中国食品药品检定研究院; 自动化学院