在线增量极限学习机及其性能研究

• 作者: 汪楠 秦科 罗光春 马致远
• 来源期刊: 计算机应用研究
• 关键词: 极限学习机 增量学习 在线学习 广义逆 在线增量极限学习机
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 3533-3537
• 页数: 5页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.12.003

摘要

针对在线学习中极限学习机需要事先确定模型结构的问题,提出了兼顾数据增量和结构变化的在线极限学习机算法.算法以在线序列化极限学习机为基础,通过误差变化判断是否新增节点,并利用分块矩阵的广义逆矩阵对新增节点后的模型进行更新,使模型保持较高的正确率.通过在不同类型和大小的数据集上的实验表明,所提算法相较于经典极限学习机及其在线和增量学习版本都具有较好的分类和回归准确率,能够适应不同类型的数据分析任务.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	秦科	电子科技大学计算机科学与工程学院	24	228	6.0	14.0
2	罗光春	电子科技大学计算机科学与工程学院	59	390	10.0	16.0
3	马致远	电子科技大学计算机科学与工程学院	3	11	3.0	3.0
4	汪楠	华东理工大学信息科学与工程学院	3	5	1.0	2.0