权重随机正交化的极速非线性判别分析网络

• 作者: 田青 谢群辉
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 极速学习机 线性判别分析 神经网络 降维 分类
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 23-27
• 页数: 5页
• 分类号: TP389.1
• 字数: 4307字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2018.01.005

摘要

极速学习机(Extreme Learning Machine,ELM)以其训练速度快、易实现、泛化性能好等优点受到了广泛关注.然而在数据维度较高的场景,数据中往往蕴含着较多冗余信息,而经典ELM尚未能很好地应对这个问题.此外,经典ELM也未能对标记数据的判别信息有效地加以融合利用.针对传统ELM方法的不足之处,提出一种权重随机正交的判别分析网络(O-ENDA).在O-ENDA中,一方面对ELM输入层权重施加正交约束,这就降低了输入特征的冗余信息以减低过拟合的风险(尤其在小样本场景下);另一方面将隐层特征与判别分析相融合进行联合学习,实现数据判别信息在ELM中的融合利用.实验结果表明,提出方法在保持数据判别特征的同时能够去除其冗余信息、提高模型的泛化能力并能获得更高的分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	田青	南京信息工程大学计算机与软件学院	5	2	1.0	1.0
2	谢群辉	南京航空航天大学计算机科学与技术学院	2	2	1.0	1.0