典型文献
含类信息的极限学习机自动编码器特征学习方法
文献摘要：
极限学习机自动编码器(ELM-AE)将极限学习机(ELM)技术与自动编码器(AE)结合,可以无监督学习数据特征且克服了参数迭代调整的昂贵时间消耗.然而,以最小化重构误差为目标的ELM-AE并不能有效利用分类问题中的数据类别信息,导致特征的类别可分性较差.针对此现象,本文提出一种面向数据分类的含类信息极限学习机自编码(CELM-AE)特征学习方法,该方法将投影特征向量的类间离散度与类内相似度限制到ELM-AE的目标函数中,且可通过解析算法求得更具类别分辨力的最优数据表示.对6种UCI数据集分别使用基于CELM-AE、ELM-AE和AE的特征表示进行分类实验,结果表明,CELM-AE得到的数据特征在两种分类器(ELM/KNN)下的分类精度与稳定性表现均优于ELM-AE与AE,且时间代价很小,说明了 CELM-AE在提取可分性数据特征表示方面的优势.
文献关键词：
极限学习机;自动编码器;特征学习;数据分类
中图分类号：
作者姓名：
程蓉;白艳萍;胡红萍;谭秀辉;续婷
作者机构：
中北大学理学院 太原030051
文献出处：
引用格式：
[1]程蓉;白艳萍;胡红萍;谭秀辉;续婷-.含类信息的极限学习机自动编码器特征学习方法)[J].电子测量技术,2022(16):71-79
A类：
CELM
B类：
极限学习机,自动编码器,特征学习,AE,无监督学习,学习数据,数据特征,参数迭代,昂贵,重构误差,分类问题,数据类别,类别信息,可分性,数据分类,自编码,特征向量,间离,离散度,解析算法,分辨力,数据表示,UCI,特征表示,分类器,KNN,分类精度
AB值：
0.258982
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
