改进在线贯序极限学习机在模式识别中的应用

• 作者: 尹刚 张英堂 李志宁 范红波
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 在线贯序极限学习机 小波分析 在线学习 模式识别 结构风险 泛化性能 鲁棒性
• 年，卷（期）: 2012,（8）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 164-166,169
• 分类号: TP18
• 字数: 3553字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2012.08.054

摘要

针对传统在线贯序极限学习机存在的过学习和分类器输出不稳定等问题,将结构风险最小化理论引入到极限学习机中,用小波函数替代原有的隐层激励函数构建正则小波极限学习机,并与在线学习方法结合,提出在线正则小波极限学习机.仿真实验结果表明,在线正则小波极限学习机克服过学习和局部最优等问题,能够实现快速在线学习,具有良好的泛化性和鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张英堂	军械工程学院火炮工程系	101	884	16.0	23.0
2	李志宁	军械工程学院火炮工程系	48	304	9.0	15.0
3	范红波	军械工程学院火炮工程系	44	339	11.0	17.0
4	尹刚	军械工程学院火炮工程系	23	146	7.0	11.0