嵌入拒识代价的投票式极限学习机

• 作者: 徐鑫
• 来源期刊: 安徽大学学报（自然科学版）
• 学科: 工学
• 关键词: 计算机辅助治疗 极限学习机 分类可靠性 拒识
• 年，卷（期）: 2014,（6）
• 所属期刊栏目: 数学
• 页码范围: 1-8
• 页数: 8页
• 分类号: TP18
• 语种: 中文
• DOI: 10.3969/j.issn.1000-2162.2014.06.001

摘要

极限学习机是近几年发展起来的一种单隐层前馈神经网络。通过训练多个独立的 ELM,V-ELM不仅提高了ELM的分类精度,同时很好地解决了ELM不稳定的特性。在V-ELM中,需要计算一个样本属于每一类的概率,将样本分类为概率最大的那一类。然而,当遇到最大的两个概率相等或者相差不大的情况下,都对应着非常大的误分类概率,为了解决这一问题,在论文中引入了对样本的拒识决策,并将该方法命名为嵌入拒识的投票式极限学习机。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐鑫	安徽大学数学科学学院	35	69	4.0	6.0