计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2014年
4期
1089-1093
,共5页
微粒群算法%集成极端学习机%成员相似性%极端学习机%泛化性能
微粒群算法%集成極耑學習機%成員相似性%極耑學習機%汎化性能
미립군산법%집성겁단학습궤%성원상사성%겁단학습궤%범화성능
Particle Swarm Optimization (PSO)%ensemble Extreme Learning Machine (ELM)%members similarity%extreme learning machine%generalization performance
为了增大各成员间的差异度以改善集成系统的性能,提出了一种基于成员间相似性选择的集成极端学习机(ELM).首先,筛选出分类性能较高的备选极端学习机;其次,根据成员间的相似性运用微粒群算法(PSO)进一步选出最优的集成成员集合.通过选出相似度低的极端学习机来提高集成成员间差异度,从而有效提高集成系统的分类能力.选出的成员学习机在不同的集成规则下都具有良好性能.在四个UCI数据集上的实验结果表明,与经典的集成极端学习机相比,基于成员相似性选择的集成极端学习机具有更优的泛化性能和稳定性.
為瞭增大各成員間的差異度以改善集成繫統的性能,提齣瞭一種基于成員間相似性選擇的集成極耑學習機(ELM).首先,篩選齣分類性能較高的備選極耑學習機;其次,根據成員間的相似性運用微粒群算法(PSO)進一步選齣最優的集成成員集閤.通過選齣相似度低的極耑學習機來提高集成成員間差異度,從而有效提高集成繫統的分類能力.選齣的成員學習機在不同的集成規則下都具有良好性能.在四箇UCI數據集上的實驗結果錶明,與經典的集成極耑學習機相比,基于成員相似性選擇的集成極耑學習機具有更優的汎化性能和穩定性.
위료증대각성원간적차이도이개선집성계통적성능,제출료일충기우성원간상사성선택적집성겁단학습궤(ELM).수선,사선출분류성능교고적비선겁단학습궤;기차,근거성원간적상사성운용미립군산법(PSO)진일보선출최우적집성성원집합.통과선출상사도저적겁단학습궤래제고집성성원간차이도,종이유효제고집성계통적분류능력.선출적성원학습궤재불동적집성규칙하도구유량호성능.재사개UCI수거집상적실험결과표명,여경전적집성겁단학습궤상비,기우성원상사성선택적집성겁단학습궤구유경우적범화성능화은정성.
