基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
将正则化极限学习机或者核极限学习机理论应用到多标记分类中,一定程度上提高了算法的稳定性.但目前这些算法关于损失函数添加的正则项都基于L2正则,导致模型缺乏稀疏性表达.同时,弹性网络正则化既保证模型鲁棒性且兼具模型稀疏化学习,但结合弹性网络的极限学习机如何解决多标记问题鲜有研究.基于此,本文提出一种对核极限学习机添加弹性网络正则化的多标记学习算法.首先,对多标记数据特征空间使用径向基核函数映射;随后,对核极限学习机损失函数施加弹性网络正则项;最后,采用坐标下降法迭代求解输出权值以得到最终预测标记.通过对比试验和统计分析表明,提出的算法具有更好的性能表现.
推荐文章
小波核极限学习机分类器
极限学习机
核学习机
小波分析
小波核函数
分类器
极限学习机算法的网络安全评价研究
极限学习机
网络安全
评价算法
指标权重
归一化处理
实验分析
基于极限学习机的迁移学习算法
迁移学习
极限学习机
三维模型分类
基于并行学习的多层极限学习机
神经网络
稀疏编码
极限学习机
并行学习
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 弹性网络核极限学习机的多标记学习算法
来源期刊 智能系统学报 学科 工学
关键词 多标记学习 核极限学习机 正则化 弹性网络 径向基函数 坐标下降法
年,卷(期) 2019,(4) 所属期刊栏目
研究方向 页码范围 831-842
页数 12页 分类号 TP391
字数 7692字 语种 中文
DOI 10.11992/tis.201806005
五维指标
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
3 王一宾 安庆师范大学计算机与信息学院 63 407 10.0 18.0
9 裴根生 安庆师范大学计算机与信息学院 8 24 4.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (10)
共引文献  (128)
参考文献  (22)
节点文献
引证文献  (3)
同被引文献  (12)
二级引证文献  (0)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(1)
  • 二级参考文献(0)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(2)
  • 参考文献(1)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(3)
  • 参考文献(2)
  • 二级参考文献(1)
2007(2)
  • 参考文献(2)
  • 二级参考文献(0)
2009(2)
  • 参考文献(2)
  • 二级参考文献(0)
2010(3)
  • 参考文献(3)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(2)
  • 参考文献(2)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(2)
  • 参考文献(2)
  • 二级参考文献(0)
2019(2)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(2)
  • 二级引证文献(0)
2019(2)
  • 引证文献(2)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
多标记学习
核极限学习机
正则化
弹性网络
径向基函数
坐标下降法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
智能系统学报
双月刊
1673-4785
23-1538/TP
大16开
哈尔滨市南岗区南通大街145-1号楼
2006
chi
出版文献量(篇)
2770
总下载数(次)
11
总被引数(次)
12401
论文1v1指导