基于探测粒子群的小波核极限学习机算法

• 作者: 关伟 郑文斌 陆慧娟 陈晓青
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 核极限学习机 探测粒子群 算法优化 分类精度
• 年，卷（期）: 2016,（z1）
• 所属期刊栏目: 智能计算
• 页码范围: 77-80
• 页数: 4页
• 分类号: TP181
• 字数: 4398字
• 语种: 中文

摘要

在分析核极限学习机原理的基础上,将小波函数作为核函数运用于极限学习机中,形成小波核极限学习机(WKELM).实验表明,该算法提高了分类性能,增加了鲁棒性.在此基础上利用探测粒子群(Detecting ParticleSwarm Optimization,DPSO)对WKELM参数优化,最终得到分类效果较优的DPSO-WKELM分类器.通过采用UCI基因数据进行仿真,将该分类结果与径向基核极限学习机(KELM)、WKELM等算法结果进行比较,得出所提算法具有较高的分类精度.

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	中国计量学院信息工程学院	101	716	13.0	20.0
2	郑文斌	中国计量学院信息工程学院	11	98	6.0	9.0
3	关伟	中国计量学院现代科技学院	15	42	4.0	5.0
4	陈晓青	中国计量学院信息工程学院	2	28	2.0	2.0