基于核极限学习机的标记分布学习

• 作者: 王一宾 田文泉 程玉胜 裴根生
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 标记分布学习 极限学习机 回归拟合 核函数
• 年，卷（期）: 2018,（24）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 128-135
• 页数: 8页
• 分类号: TP391
• 字数: 5581字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1808-0341

摘要

标记分布学习作为一种新的学习范式,利用最大熵模型构造的专用化算法能够很好地解决某些标记多样性问题,但是计算量巨大.基于此,引入运行速度快、稳定性更高的核极限学习机模型,提出基于核极限学习机的标记分布学习算法(KELM-LDL).首先在极限学习机算法中通过RBF核函数将特征映射到高维空间,然后对原标记空间建立KELM回归模型求得输出权值,最后通过模型计算预测未知样本的标记分布.与现有算法在各领域不同规模数据集的实验表明,实验结果均优于多个对比算法,统计假设检验进一步说明KELM-LDL算法的有效性和稳定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程玉胜	安庆师范大学计算机与信息学院	81	339	9.0	14.0
2	王一宾	安庆师范大学计算机与信息学院	63	407	10.0	18.0
3	田文泉	安庆师范大学计算机与信息学院	3	4	1.0	2.0
4	裴根生	安庆师范大学计算机与信息学院	8	24	4.0	4.0