基于改进极限学习机算法的行为识别

• 作者: 周书仁 曹思思 蔡碧野
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 极限学习机 在线学习 Cholesky分解 核函数
• 年，卷（期）: 2017,（9）
• 所属期刊栏目: 人工智能与数据挖掘
• 页码范围: 1749-1757
• 页数: 9页
• 分类号: TP391.4
• 字数: 7955字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2017.09.023

摘要

重点研究了极限学习机ELM对行为识别检测的效果.针对在线学习和行为分类上存在计算复杂性和时间消耗大的问题,提出了一种新的行为识别学习算法(ELM-Cholesky).该算法首先引入了基于Cholesky分解求ELM的方法,接着依据在线学习期间核函数矩阵的更新特点,将分块矩阵Chol-esky分解算法用于ELM的在线求解,使三角因子矩阵实现在线更新,从而得出一种新的ELM-Cholesky在线学习算法.新算法充分利用了历史训练数据,降低了计算的复杂性,提高了行为识别的准确率.最后,在基准数据库上采用该算法进行了大量实验,实验结果表明了这种在线学习算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周书仁	长沙理工大学综合交通运输大数据智能处理湖南省重点实验室	41	325	11.0	15.0
5	蔡碧野	长沙理工大学综合交通运输大数据智能处理湖南省重点实验室	18	66	6.0	7.0
9	曹思思	长沙理工大学综合交通运输大数据智能处理湖南省重点实验室	1	7	1.0	1.0