灵敏度正则化极限学习机及其在数字识别中的应用

• 作者: 张松林 李雪
• 来源期刊: 计算机系统应用
• 关键词: 灵敏度分析 极限学习机 模式识别 分类 手写数字
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 143-147
• 页数: 5页
• 字数: 3190字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.005823

摘要

针对正则化极限学习机(RELM)中隐节点数影响分类准确性问题,提出一种灵敏度正则化极限学习机(SRELM)算法.首先根据隐含层激活函数的输出及其相对应的输出层权重系数,推导实际值与隐节点输出值残差相对于隐节点的灵敏度计算公式,然后根据不同隐节点的灵敏度进行排序,利用优化样本的分类准确率删减次要隐节点,从而有效提高SRELM的分类准确率.MNIST手写体数字库实验结果表明,相比于传统的SVM和RELM,SRELM方法的耗时与RELM相差不大,均明显低于SVM,SRELM对手写数字的识别准确率最高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张松林	河南工学院电子通信工程系	1	5	1.0	1.0
2	李雪	河南工学院电子通信工程系	1	5	1.0	1.0