《表1 基核函数：基于极限学习机的船舶柴油机故障诊断》

  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

《基于极限学习机的船舶柴油机故障诊断》

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

本文描述的深度网络结构包含5层AE-ELM，其中d表示隐含层节点数，激活函数选为Sigmoid函数。传统的D-ELM将端层特征用于分类，仅考虑最后一层的特征信息，也就是图3中表示非线性特征，然后用分类器进行分类。第一层和第二层构成数据的线性特征提取层，后面三层构成数据的非线性特征提取层，为充分利用数据的多种线性属性，将这两层特征级联起来，得到具备线性和非线性的特征，用于分类，并将这类特征称为多属性特征（MAF），将分类特征仅为最后一层的特征称为单属性特征（SAF）。鉴于多核函数优秀的高维映射能力，将多核极限学习机用于多属性特征的分类。本文中用到的基核函数为常见6种核函数，如表1所示。