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 |
| |
引用本文: | 张卫东,李灵巧,胡锦泉,冯艳春,尹利辉,胡昌勤,杨辉华.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[J].分析化学,2018(9). |
| |
作者姓名: | 张卫东 李灵巧 胡锦泉 冯艳春 尹利辉 胡昌勤 杨辉华 |
| |
作者单位: | 桂林电子科技大学计算机与信息安全学院;北京邮电大学自动化学院;中国食品药品检定研究院 |
| |
摘 要: | 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。
|
本文献已被 CNKI 等数据库收录! |
|