集成重复训练极限学习机的数据分类

• 作者: 周昭一 翟俊海 臧立光
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 极限学习机 随机化方法 重复训练 泛化能力
• 年，卷（期）: 2018,（6）
• 页码范围: 962-970
• 页数: 9页
• 分类号: TP181
• 字数: 4014字
• 语种: 中文
• DOI: 10.16337/j.1004-9037.2018.06.003

摘要

极限学习机是一种随机化算法,它随机生成单隐含层神经网络输入层连接权和隐含层偏置,用分析的方法确定输出层连接权.给定网络结构,用极限学习机重复训练网络,会得到不同的学习模型.本文提出了一种集成模型对数据进行分类的方法.首先用极限学习机算法重复训练若干个单隐含层前馈神经网络,然后用多数投票法集成训练好的神经网络,最后用集成模型对数据进行分类,并在10个数据集上和极限学习机及集成极限学习机进行了实验比较.实验结果表明,本文提出的方法优于极限学习机和集成极限学习机.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	翟俊海	河北大学数学与信息科学学院河北省机器学习与计算智能重点实验室	45	256	9.0	12.0
2	臧立光	河北大学计算机科学与技术学院	3	5	2.0	2.0
3	周昭一	河北大学数学与信息科学学院河北省机器学习与计算智能重点实验室	2	4	1.0	2.0