一种新型半监督极限学习机及其在防震锤锈蚀检测中的应用

摘要：

基于机器学习的视觉探伤技术已经被广泛地应用于包括锈蚀检测在内的工业领域.针对已有算法存在的复杂度高、依赖大量人工标注等问题,文中提出了一种新型半监督极限学习机 HyLap-S3ELM,用于防震锤锈蚀缺陷检测.其具有以下优点:模型参数存在封闭解,因此可以直接计算得到,对运算资源的依赖性较小;引入了超图拉普拉斯矩阵,可以更好地描述数据的平滑性,以提升半监督分类的精度;引入了风险正则化项,当数据平滑性假设不准确或者有标注样本存在偏移时,能够提升半监督分类器的稳定性.最后,通过大量实验证明了所提方法的有效性与优越性.

关键词：视觉探伤、极限学习机、防震锤、锈蚀检测

所属期刊栏目：47

分类号：TM734(输配电工程、电力网及电力系统)

资助基金：江苏方天电力技术有限公司科技项目KJ201915

在线出版日期：2020-12-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：262-266