基于限制玻尔兹曼机的极限学习机方法

• 作者: 金培源 陆慧娟 陈莲娜 高波涌
• 来源期刊: 数学的实践与认识
• 关键词: 限制玻尔兹曼机 极限学习机 降维 输入层权值 隐含层偏置
• 年，卷（期）: 2016,（11）
• 所属期刊栏目: 信息科学
• 页码范围: 157-161
• 语种: 中文

摘要

针对高维数据中存在冗余以及极限学习机(ELM)存在随机给定权值导致算法性能不稳定等问题,将限制玻尔兹曼机(RBM)与ELM相结合提出了基于限制玻尔兹曼机优化的极限学习机算法(RBM-ELM).通过限制玻尔兹曼机对原始数据进行特征降维的同时,得到ELM输入层权值和隐含层偏置的优化参数.实验结果表明,相比较随机森林,逻辑回归,支持向量机和极限学习机四种机器学习算法,RBM-ELM算法能获得较高的分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陆慧娟	中国计量大学信息工程学院	101	716	13.0	20.0
2	陈莲娜	中国计量大学信息工程学院	18	64	5.0	7.0
3	高波涌	中国计量大学信息工程学院	23	148	8.0	11.0
4	金培源	中国计量大学信息工程学院	2	21	2.0	2.0