基于聚类核的核极速学习机

• 作者: 丁世飞 王丽娟
• 来源期刊: 南京师大学报（自然科学版）
• 学科: 工学
• 关键词: 极速学习机 k均值聚类 Bagged聚类核 RBF核函数
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 全国机器学习会议论文专栏
• 页码范围: 145-150
• 页数: 6页
• 分类号: TP3
• 字数: 4068字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-4616.2019.03.019

摘要

传统的神经网络学习算法(如BP算法)需要调整大量的网络参数,例如输入权值以及隐层单元的偏置,而极速学习机只需要设置网络的隐层节点个数,在算法执行过程中不需要调整网络的输入权值,便可以产生唯一的最优解,因此它具有学习速度快且泛化性能好的优点.随着极速学习机的研究发展,核极速学习机的相关理论被提出.核极速学习机是将核函数引入到极速学习机中,可以得到最小二乘解,具有更稳定的泛化性能.本文在核极速学习机的基础上提出了一种基于Bagged聚类核的核极速学习机的分类方法,首先对已有的标记样本和所有的无标记样本采用多次k均值聚类,去构造Bagged聚类核,然后对Bagged聚类核和径向基核进行求和,最终用于核极速学习机的训练中.与传统核极速学习机相比,本文提出的方法可以使用所有的无标记样本,从而尽可能地提高分类的准确率.最后本文通过实验验证了方法的可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	丁世飞	中国矿业大学计算机科学与技术学院	83	2735	17.0	52.0
2	王丽娟	中国矿业大学计算机科学与技术学院	19	16	2.0	3.0