自适应混沌粒子群算法对极限学习机参数的优化

• 作者: 严珂 郑文斌 陆慧娟 陈晓青
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 自适应 极限学习机 混沌粒子群 基因分类
• 年，卷（期）: 2016,（11）
• 所属期刊栏目: 人工智能
• 页码范围: 3123-3126
• 页数: 4页
• 分类号: TP181
• 字数: 3772字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2016.11.3123

摘要

针对极限学习机(ELM)在处理非线性数据时效果不理想,并且ELM的参数随机化不利于模型泛化的特点,提出了一种改进的极限学习机算法.结合自适应混沌粒子群(ACPSO)算法对ELM的参数进行优化,以增强算法的稳定性,提高ELM对基因表达数据分类的精度.在UCI基因数据集上进行仿真实验,实验结果表明,与探测粒子群极限学习机(DPSO-ELM)、粒子群极限学习机(PSO-ELM)等算法相比,自适应混沌粒子群极限学习机(ACPSO-ELM)算法具有较好的稳定性、可靠性,且能有效提高基因分类精度.

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	郑文斌	中国计量大学信息工程学院	11	98	6.0	9.0
3	严珂	中国计量大学信息工程学院	17	72	5.0	8.0
4	陈晓青	中国计量大学信息工程学院	2	28	2.0	2.0