基于角度优化的鲁棒极端学习机算法

• 作者: 刘德山 楚永贺 闫德勤 魏迪
• 来源期刊: 计算机测量与控制
• 关键词: 极端学习机 鲁棒激活函数 角度优化
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 设计与应用
• 页码范围: 198-203
• 页数: 6页
• 分类号: TP18
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2017.01.056

摘要

极端学习机因其学习速度快、泛化性能强等优点,在当今模式识别领域中已经成为了主流的研究方向;但是,由于该算法稳定性差,往往易受数据集中噪声的干扰,在实际应用中导致得到的分类效果不是很显著;因此,为了提高极端学习机分类的准确性,针对数据集样本中带有噪声和离群点问题,提出了一种基于角度优化的鲁棒极端学习机算法;该方法利用鲁棒激活函数角度优化的原则,首先降低了离群点对分类算法的影响,从而保持数据样本的全局结构信息,达到更好的去噪效果;其次,有效的避免隐层节点输出矩阵求解不准的问胚,进一步增强极端学习机的泛化性能;通过应用在普遍图像数据库上的实验结果表明,这种提出的算法与其他算法相比具有更强的鲁棒性和较高的识别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	闫德勤	辽宁师范大学计算机与信息技术学院	124	1071	15.0	28.0
2	刘德山	辽宁师范大学计算机与信息技术学院	57	349	9.0	17.0
3	楚永贺	辽宁师范大学计算机与信息技术学院	10	26	3.0	5.0
4	魏迪	辽宁师范大学计算机与信息技术学院	3	11	1.0	3.0