华南理工大学学报(自然科学版)

作者：闫嘉, 陈飞越, 易若男, 等

单位：1． 智能传动和控制技术国家地方联合工程实验室 ( 重庆) ，重庆 400715; 2． 西南大学 人工智能学院，重庆 400715;3． 西南大学 电子信息工程学院，重庆 400715

关键词：极限学习机,子空间学习,样本分布加权,漂移补偿,电子鼻

基金：国家重点研发计划项目 ( 2018YFB1306603) ; 国家自然科学基金资助项目 ( 61672436)

针对电子鼻应用中传感器漂移现象导致的电子鼻分类准确率降低问题，文中提出一种基于样本分布加权的跨域极限学习机模型。该模型考虑到单个样本对全局分布差异度量的贡献度不同，以基于样本分布加权的最大均值差异作为衡量领域间样本分布差异的度量，将源域和目标域数据投影到高维的极限学习机特征空间中，然后寻找一个合适的投影方向，将特征空间中的数据映射到一个公共子空间中，使得子空间中源域数据和目标域数据具有相似的分布。使用 Matlab 对该算法进行仿真，并对比不同的隐含层节点数对该算法识别率的影响，以验证该算法的可行性。结果表明，文中提出的算法模型可以明显减小两个域间数据的分布差异，满足传统的分类学习算法对训练和测试数据的分布要求，从而提高电子鼻的分类准确率。

来源：2020年第12期

《华南理工大学学报(自然科学版)》期刊编辑部

查看华南理工大学学报(自然科学版)杂志2020年第12期