基于流形正则化的在线半监督极限学习机

• 作者: 冯伟 王萍 王迪
• 来源期刊: 上海交通大学学报
• 学科: 工学
• 关键词: 极限学习机 半监督学习 在线学习 流形正则化
• 年，卷（期）: 2015,（8）
• 页码范围: 1153-1158,1167
• 分类号: TP183
• 语种: 中文
• DOI: 10.16183/j.cnki.jsjtu.2015.08.012

摘要

在基于流形正则化的半监督极限学习机(SS-ELM)的基础上,利用分块矩阵的运算法则,提出了在线半监督极限学习机(OSS-ELM)方法.为避免在实时学习的过程中由于数据累积引起的内存不足,通过对SS-ELM的目标函数的流形正则项的近似,给出了OSS-ELM的近似算法OSS-ELM(buffer).在Abalone数据集上的实验显示,OSS-ELM (buffer)在线学习的累计时间与所处理的样本个数呈线性关系,同时,9个公共数据集上的实验表明,OSS-ELM (buffer)的泛化能力与SS-ELM的泛化能力的相对偏差在1％以下.这些实验结果说明,OSS-ELM(buffer)不仅解决了内存问题,还在基本保持SS-ELM泛化能力的基础上大幅度提高了在线学习速度,可以有效应用于在线半监督学习当中.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王萍	天津大学电气与自动化工程学院	145	1255	15.0	29.0
2	王迪	天津大学电气与自动化工程学院	15	105	6.0	10.0
3	冯伟	天津大学电气与自动化工程学院	7	15	3.0	3.0