基于单类分类方法的道路高排放源识别算法

摘要：

为了提高对道路高排放源的识别效率,降低其造成的大气污染,提出了一种基于随机傅里叶特征和非常稀疏映射的单类分类(OCC)宽度学习系统(BLS)的道路高排放源识别方法,即OCC-FS-BLS.首先,将道路高排放源数据进行非线性的随机傅里叶特征映射得到BLS的特征节点,再通过非常稀疏随机映射生成增强节点,拼接所有节点作为BLS输出层的输入;然后,通过岭回归求解改进BLS的输出权重;最后,根据OCC-BLS构建单类分类算法的策略,实现OCC-FS-BLS算法.实验结果表明:OC-FS-BLS在高排放源识别任务中相比OCC-BLS等其他模型表现出更好的识别性能.

关键词：高排放源识别、单类分类、宽度学习系统、随机傅里叶特征、非常稀疏随机映射、遥感监测

所属期刊栏目：42

分类号：TP181;U495(自动化基础理论)

资助基金：国家自然科学基金;安徽省自然科学基金资助项目;安徽省博士后研究人员科研活动资助项目;合肥综合性国家科学中心人工智能研究院资助项目

在线出版日期：2023-02-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：140-143,148