基于奇异值分解极限学习机的维修等级决策

为降低航空发动机维修成本,增强维修等级决策的客观性,提出一种基于奇异值分解的极限学习机(SVD-ELM)算法,推导基于奇异值分解(SVD)的极限学习机(ELM)输出权重计算公式,从而有效地避免普通ELM在求解输出权重时因矩阵奇异而导致无法求逆的问题。将SVD-ELM应用于决策建模过程,提高决策模型的稳定性。研究结果表明:相比于SVM,SVD-ELM和ELM的决策准确率相同,且均比SVM的高,但SVD-ELM的模型稳定性高于ELM,且SVD-ELM和ELM的测试耗时相差不大,说明这2种方法的计算量相当。