基于随机子空间与多储备池的分类方法

摘要：

提出一种基于回声状态网络(echo state networks,ESNs)的分类方法,借鉴集成学习的思想,采用随机子空间方法产生特征子集,对应特征子集生成多个储备池.利用回声状态网络仅需训练储备池至输出层的权值这一优点,将分类集成阶段融合于多储备池回声状态网络的学习过程中.基于标准数据集和模拟电路故障诊断的实验验证结果表明,与标准回声状态网络等方法相比,该方法有更低的分类错误率.

关键词：回声状态网络、特征选择、分类器集成

所属期刊栏目：32

分类号：TP391(计算技术、计算机技术)

资助基金：教育部高等学校博士学科点专项科研基金20092302110013;教育部新世纪优秀人才支持计划NCET-10-0062

在线出版日期：2012-03-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：2487-2492