基于快速自编码的RELM的文本分类

• 作者: 任欢 叶佳骏 周杭霞
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 文本分类 特征提取 自动编码器 正则化极限学习机
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 高性能计算
• 页码范围: 871-876
• 页数: 6页
• 分类号: TP391
• 字数: 4942字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2016.05.005

摘要

正则化极限学习机RELM是一种单隐层前馈神经网络,不同于传统神经网络算法,RELM通过随机设置输入层权重和偏置值,可以快速求得输出层权重,并且引入正则化因子,能够提高模型的泛化能力.针对文本信息高维度、多类别的问题,提出一种基于快速自编码的正则化极限学习机FARELM.将由RELM改进后的快速自编码神经网络对样本进行无监督特征学习,并对特征提取后的数据使用RELM进行分类.实验表明,FA-RELM的学习速度和分类精度较优.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周杭霞	中国计量大学信息工程学院	44	314	11.0	15.0
2	叶佳骏	中国计量大学信息工程学院	4	18	2.0	4.0
3	任欢	中国计量大学信息工程学院	3	7	2.0	2.0