基于栈式降噪稀疏自编码器的极限学习机

作者：张国令; 王晓丹; 李睿; 来杰; 向前

来源：计算机工程, 2020, 46(09): 61-67.

DOI：10.19678/j.issn.1000-3428.0057060

• 极限学习机
• 降噪稀疏自编码器
• 稀疏性
• 深度学习
• 特征提取

极限学习机(ELM)随机选择网络输入权重和隐层偏置,存在网络结构复杂和鲁棒性较弱的不足。为此,提出基于栈式降噪稀疏自编码器(sDSAE)的ELM算法。利用sDSAE稀疏网络的优势,挖掘目标数据的深层特征,为ELM产生输入权值与隐层偏置以求得隐层输出权值,完成训练分类器,同时通过加入稀疏性约束优化网络结构,提高算法分类准确率。实验结果表明,与ELM、PCA-ELM、ELM-AE和DAE-ELM算法相比,该算法在处理高维含噪数据时分类准确率较高,并且具有较强的鲁棒性。

• 单位
  空军工程大学防空反导学院