基于随机子空间与多储备池的分类方法  

Random subspace and multiple reservoirs based classifier

作　　者：彭喜元[1] 郭嘉[1] 王建民[1,2] 

机构地区：[1]哈尔滨工业大学自动化测试与控制研究所,哈尔滨150080 [2]哈尔滨理工大学电子科学与技术系,哈尔滨150001

出　　处：《仪器仪表学报》2011年第11期2487-2492,共6页Chinese Journal of Scientific Instrument

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)资助项目

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。A classifier based on echo state networks（ESNs） is proposed.Inspired by ensemble learning,multiple reservoirs are constructed,which correspond to the feature subsets generated by random subspace method.Classification combination is embedded in the learning of multiple reservoir ESNs,which is benefited from the advantage of ESNs-only the weights of reservoir-to-output connections are computed.Experiment results based on standard datasets and analog circuit fault diagnosis show that the proposed method outperforms the original echo state networks.

关 键 词：回声状态网络 特征选择 分类器集成 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]