《表1 1 RDK-ELM的训练时间与分类正确率》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于RDK-ELM的航空发动机控制系统故障诊断》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在ML-KELM的计算中，每层KELM-AE的特征提取都是对全部输入数据计算核矩阵，虽然可以保证高精度，但付出了高耗时的代价。对此，本文提出简约的深度核极限学习机（Reduced Deep Kernel Learning Machine，RDK-ELM），每层特征提取由RKELM-AE完成。对于第i层RKELM-AE，编码器从输入数据X（i）中随机选择L（i）个支持向量，根据式（16）、（17）计算变换矩阵，逐层完成特征提取，最后通过1个RKELM分类器计算出分类结果。RKELM-AE算法的计算过程见表1，RDK-ELM算法的计算过程见表2。