基于自编码和极限学习机的药品分类方法

摘要

本发明针对药品的近红外光谱数据的分类问题，提出了一种基于自编码网络与极限学习机的双波段光谱鉴别方法(DWAE‑ELM)，此方法结合了AE和ELM两种方法的优点，使用AE提取药品的近红外光谱数据的二维特征，根据此特征使用ELM进行分类。DWAE‑ELM网络在结构上分为两个独立的阶段：第一阶段，采用一个三层的AE网络来提取双波段变换后的二维输入数据的稀疏特征进行非监督多层次特征表示；第二阶段，用原始的ELM做最后的药品分类任务。本方法结合了自编码网络特征提取能力强和ELM训练速度快的优点，提高了药品分类的准确度及稳定性，并和其他方法相比，模型的训练时间大幅降低，且对训练集大小不敏感，鲁棒性更强。