基于栈式降噪稀疏自编码器的极限学习机

来源：计算机工程杂志2020年第9期北京时间：

作者：张国令, 王晓丹, 李睿, 来杰, 向前

单位：空军工程大学 防空反导学院, 西安 710051

摘要：极限学习机（ELM）随机选择网络输入权重和隐层偏置，存在网络结构复杂和鲁棒性较弱的不足。为此，提出基于栈式降噪稀疏自编码器（sDSAE）的ELM算法。利用sDSAE稀疏网络的优势，挖掘目标数据的深层特征，为ELM产生输入权值与隐层偏置以求得隐层输出权值，完成训练分类器，同时通过加入稀疏性约束优化网络结构，提高算法分类准确率。实验结果表明，与ELM、PCA-ELM、ELM-AE和DAE-ELM算法相比，该算法在处理高维含噪数据时分类准确率较高，并且具有较强的鲁棒性。

关键词：极限学习机,降噪稀疏自编码器,稀疏性,深度学习,特征提取

基金资助：国家自然科学基金（61876189，61273275，61806219，61703426）。