基于Parzen窗估计的一类加权极限自编码器

• 作者: 于化龙 席晓燕 徐克辉
• 来源期刊: 江苏科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 一类分类 极限学习机 Parzen窗 自编码器 加权
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 管理工程
• 页码范围: 88-94
• 页数: 7页
• 分类号: TP181
• 字数: 5875字
• 语种: 中文
• DOI: 10.11917/j.issn.1673-4807.2019.03.014

摘要

针对传统的一类分类器分布适应性差、数据描述不够精确等问题,提出了基于Parzen窗估计的一类加权极限自编码器.该方法首先采用Parzen窗法对数据分布的全局概率密度进行估计,进而对样本进行个性化加权操作,并训练极限学习机,从而实现对样本分布的精确描述.特别地,极限学习机以自编码器的方式实现,并通过重构误差来确定样本类属.实验结果表明:与诸多传统方法相比,其不但具有更好的数据描述能力,而且兼具时间复杂度低的优点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于化龙	江苏科技大学计算机学院	44	135	8.0	10.0
2	徐克辉	中国船舶重工集团有限公司规划发展部	4	4	1.0	1.0
3	席晓燕	江苏科技大学计算机学院	2	0	0.0	0.0