计算机应用

作者：来杰, 王晓丹, 李睿, 赵振冲

单位：空军工程大学 防空反导学院, 西安 710051

关键词：极限学习机,深度学习,去噪自编码器,特征提取,特征降维,鲁棒性

基金：国家自然科学基金资助项目（61876189，61806219）。

针对极限学习机算法（ELM）参数随机赋值降低算法鲁棒性及性能受噪声影响显著的问题，将去噪自编码器（DAE）与ELM算法相结合，提出了基于去噪自编码器的极限学习机算法（DAE-ELM）。首先，通过去噪自编码器产生ELM的输入数据、输入权值与隐含层参数；然后，以ELM求得隐含层输出权值，完成对分类器的训练。该算法一方面继承了DAE的优点，自动提取的特征更具代表性与鲁棒性，对于噪声有较强的抑制作用；另一方面克服了ELM参数赋值的随机性，增强了算法鲁棒性。实验结果表明，在不含噪声影响下DAE-ELM相较于ELM、PCA-ELM、SAA-2算法，其分类错误率在MNIST数据集中至少下降了5.6%，在Fashion MNIST数据集中至少下降了3.0%，在Rectangles数据集中至少下降了2.0%，在Convex数据集中至少下降了12.7%。

来源：2019年第6期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第6期