基于改进极限学习机的焦煤惰质组分类方法
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.13225/j.cnki.jccs.2019.0747

基于改进极限学习机的焦煤惰质组分类方法

引用
为提高焦煤惰质组显微组分分类的准确性,减少对分类器训练的人工干预,提出一种基于改进极限学习机(ELM)的焦煤惰质组显微组分分类方法.首先根据焦煤惰质组各显微组分在光特性及形貌特性上存在的差异及特点,从亮度、纹理等层面分别提取其显微图像中基于灰度统计分布的亮度比、均值、方差、偏度、一致性及峰度等6个亮度相关特征量和基于灰度共生矩阵的能量、熵、惯性矩、局部平稳性及最大概率等5个纹理相关特征量,构建11维初始特征量集,并采用主成分分析法(PCA)对初始特征进行抽取以降低特征空间维数、去除信息冗余;再将奇异值分解引入到极限学习机中,推导利用奇异值分解求解ELM隐含层输出权值矩阵的方法,构建改进的极限学习机.改进后的极限学习机解决了普通的ELM训练中为了求解权值矩阵需要通过大量实验确定参数的问题,有效地提高了学习机的智能化程度.实验结果表明:与支持向量机(SVM)分类方法相比,改进后的ELM方法对分类器训练及样本测试的速度、对焦煤惰质组测试样本分类的准确率均明显提高;与单一的ELM方法相比,改进后的ELM方法分类器的网络训练更加快速便捷,网络隐含层节点数减少近40%,对测试样本分类的准确率进一步提高,可达96.7%.

焦煤、惰质组、分类方法、极限学习机、主成分分析

45

TP181(自动化基础理论)

国家自然科学基金资助项目;安徽省高校自然科学研究重点资助项目;安徽省高校学科拔尖人才学术重点资助项目

2020-10-30(万方平台首次上网日期,不代表论文的发表时间)

共7页

3262-3268

相关文献
评论
暂无封面信息
查看本期封面目录

煤炭学报

0253-9993

11-2190/TD

45

2020,45(9)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn