摘要：提出一种基于回声状态网络（echo state networks,ESNs）的分类方法,借鉴集成学习的思想,采用随机子空间方法产生特征子集,对应特征子集生成多个储备池。利用回声状态网络仅需训练储备池至输出层的权值这一优点,将分类集成阶段融合于多储备池回声状态网络的学习过程中。基于标准数据集和模拟电路故障诊断的实验验证结果表明,与标准回声状态网络等方法相比,该方法有更低的分类错误率。

关键词：回声状态网络 特征选择 分类器集成 

单位：哈尔滨工业大学自动化测试与控制研究所 哈尔滨150080 哈尔滨理工大学电子科学与技术系 哈尔滨150001