《表1 1 RDK-ELM的训练时间与分类正确率》
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。
图表编号 | XD00160017200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.01 |
作者 | 陈虹潞、黄向华 |
绘制单位 | 南京航空航天大学能源与动力学院、南京航空航天大学能源与动力学院 |
更多格式 | 高清、无水印(增值服务) |