遗传优化核极限学习机的数据分类算法

• 作者: 何敏 刘建伟 胡久松
• 来源期刊: 传感器与微系统
• 学科: 工学
• 关键词: 核极限学习机 遗传优化 交叉验证 参数优化 分类精度
• 年，卷（期）: 2017,（10）
• 所属期刊栏目: 计算与测试
• 页码范围: 141-143
• 页数: 3页
• 分类号: TN911.7
• 字数: 2754字
• 语种: 中文
• DOI: 10.13873/J.1000-9787(2017)10-0141-03

摘要

为了提高核极限学习机(KELM)数据分类的精度,提出了一种结合K折交叉验证(K-CV)与遗传算法(GA)的KELM分类器参数优化方法(GA-KELM),将CV训练所得多个模型的平均精度作为GA的适应度评价函数,为KELM的参数优化提供评价标准,用获得GA优化最优参数的KELM算法进行数据分类.利用UCI中数据集进行仿真,实验结果表明:所提方法在整体性能上优于GA结合支持向量机法(GA-SVM)和GA结合反向传播(GA-BP)算法,具有更高的分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何敏	湖南大学电气与信息工程学院	21	151	8.0	11.0
2	胡久松	湖南大学电气与信息工程学院	12	59	4.0	7.0
3	刘建伟	湖南大学电气与信息工程学院	1	6	1.0	1.0