基于影响度剪枝的极端学习机分类算法研究

针对极端学习机(ELM)网络规模控制问题,从剪枝思路出发,提出了一种基于影响度剪枝的ELM分类算法。利用ELM网络单个隐节点连接输入层和输出层的权值向量、该隐节点的输出、初始隐节点个数以及训练样本个数,定义单个隐节点相对于整个网络学习的影响度,根据影响度判断隐节点的重要性并将其排序,采用与ELM网络规模相匹配的剪枝步长删除冗余节点,最后更新隐含层与输入层和输出层连接的权值向量。通过对多个UCI机器学习数据集进行分类实验,并将提出的算法与EM-ELM、PELM和ELM算法相比较,结果表明,该算法具有较高的稳定性和测试精度,训练速度较快,并能有效地控制网络规模。     

基于ID-ELM算法的医药大输液可见异物检测系统研究

针对250 m L及以上医药大输液生产过程中造成药液中出现毛发、漂浮物、玻璃屑等可见异物的在线实时检测难题,开发了一种基于机器视觉的医药大输液可见异物智能检测系统。在研究医药大输液图像滤波、异物分割的基础上,设计了大输液图像特征提取算法,提出了基于影响度剪枝的改进极限学习机(ID-ELM)分类算法对可见异物分类识别,最后进行了相关实验验证算法的可行性。所设计的检测系统在医药企业用户运行并测试表明,该系统具有高检测精度、高效率、高稳定性的特性,识别准确率超过95.5%,能有效剔除次品,解决了医药大输液可见异物的在线自动检测和识别的难题,为医药生产企业分析产品质量提供了技术保障.     

工程机械离线锁车系统设计

在工程机械销售、租赁市场中,客户大多采用分期付款购买或租赁设备,若在约定的时间未回款,设备制造商一般采用远程在线锁车的方式警示客户尽快付款。然而在实际操作中,存在部分客户拖欠贷款,恶意破坏锁车系统及改装工程机械等违法行为。针对这一实际情况,本文分析了现有远程在线锁车系统的优缺点,提出了一种基于射频识别技术的工程机械离线锁车系统。该系统主要解决工程机械被不法客户拆除GPS,破解在线锁车系统后导致工程机械"下落不明"而又无法锁车的问题。该系统的使用和安装不影响工程机械现有功能,可以作为远程在线锁车系统的补充,能提高工程机械管理的安全性和可靠性。