计量学报

作者：刘彬,杨有恒,刘静,王卫涛,刘浩然,闻岩

单位：燕山大学 电气工程学院, 河北 秦皇岛 066004

关键词：计量学;极限学习机;高维数据;批次学习;无监督编码;流形正则化

基金：河北省自然科学基金(F2019203320,E2018203398);河北省人才培养项目(A201903005)

针对极限学习机在处理高维数据时存在内存能耗大、分类准确率低、泛化性差等问题,提出了一种批量分层编码极限学习机算法。首先通过对数据集分批处理,以减小数据维度,降低输入复杂性;然后采用多层自动编码器结构对各批次数据进行无监督编码,以实现深层特征提取;最后利用流形正则化思想构建含有继承因子的流形分类器,以保持数据的完整性,提高算法的泛化性能。实验结果表明,该方法实现简单,在NORB,MNIST和USPS数据集上的分类准确率分别可以达到92.16%、99.35%和98.86%,与其它极限学习机算法对比,在降低计算复杂度和减少CPU内存消耗上具有较明显的优势。

来源：2021年第7期

《计量学报》期刊编辑部

查看计量学报杂志2021年第7期