外类入侵度初始化参数的极限学习机

• 作者: 孔双双 林崧 王开军
• 来源期刊: 南京师范大学学报（工程技术版）
• 学科: 工学
• 关键词: 极限学习机 重叠区域 类入侵度 权值修正
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 计算机工程
• 页码范围: 53-58
• 页数: 6页
• 分类号: TP183
• 字数: 5678字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-4616.2019.02.008

摘要

针对经典极限学习机中输入权值随机初始化容易导致输出稳定性不够好进而影响分类性能的问题,提出外类入侵度初始化参数的方法,对极限学习机随机初始化的输入权值用样本的属性特征信息进行修正. 该方法对包含两个类别样本的数据集,将其中一个类作为本类,另一个类作为外类. 对于每个特征,统计本类和外类样本重叠的区域占本类取值范围的比例,也统计重叠区域中外类样本数目占重叠区域总样本数目的比例. 然后依据这两种占比值计算每个特征的外类入侵度. 再根据入侵度大小调整极限学习机模型中隐含层的输入权值. 在10个UCI数据集上进行的分类实验结果表明,新方法的准确率比经典极限学习机提高了1%～23%,且泛化性能更稳定;与另外两方法相比,新方法的准确率稍高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林崧	福建师范大学数学与信息学院	19	48	5.0	6.0
5	王开军	福建师范大学数学与信息学院	22	137	6.0	11.0
9	孔双双	福建师范大学数学与信息学院	1	1	1.0	1.0