基于SVM技术的精简极速学习机

• 作者: 张军英 王黎明 申丰山
• 来源期刊: 华中科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 极速学习机(ELM) 单隐层前馈神经网络(SLFN) 支持向量机(SVM) 多类分类 泛化性能
• 年，卷（期）: 2014,（6）
• 所属期刊栏目: 计算机与控制工程
• 页码范围: 107-110,132
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.13245/j.hust.140621

摘要

针对极速学习机（ELM）性能过分依赖于隐层节点稠密的单隐层前馈神经网络（SLFN）问题，提出了适用于多类分类的精简型ELM ，即SVM-ELM （基于支持向量机优化的ELM ）。该方法大幅削减隐层节点数为类别数，同时通过SVM技术优化每个节点的线性决策函数，显著提高单个节点的决策水平，为ELM 的宏观决策提供有利条件。在 HCL2000，MNIST和USPS等公共数据集上的实验表明：该方法能够减少节点数目而不损害学习精度，当类别数为10时，基于SVM-ELM方法构造的10节点SLFN泛化性能即可超越基于原始ELM方法构造的包含成千上万个隐层节点SLFN的泛化性能。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张军英	西安电子科技大学计算机学院	113	2001	25.0	41.0
2	王黎明	郑州大学信息工程学院	81	602	14.0	20.0
3	申丰山	郑州大学信息工程学院	6	25	3.0	5.0