一种基于蚁狮优化的极限学习机

• 作者: 刘佳鸣 尹洪红 杨晓文 韩燮
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 极限学习机 蚁狮优化 智能优化算法
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 算法
• 页码范围: 230-234
• 页数: 5页
• 分类号: TP18
• 字数: 3920字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.08.039

摘要

极限学习机(Extreme Learning Machine,ELM)是一种高效率的单隐层前馈神经网络,由于其训练速度快与泛化性能好,在各个领域中都有广泛的应用.但是极限学习机随机生成输入权值与隐含层偏置矩阵,随机性影响训练模型的泛化性能与稳定性,降低模型分类的精度.为了解决这一问题,借鉴蚁狮优化算法中利用蚁狮种群中的多个个体进行并行寻优的能力,改进优化极限学习机的输入权值与隐含层偏置矩阵,得到一个分类精度更高模型.以UCI标准数据库中数据进行分类实验分析验证,实验结果表明,在5类UCI数据集上基于蚁狮优化的极限学习机(ALO-ELM)相比于PSO-ELM和SaDE-ELM具有更高的分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩燮	中北大学大数据学院	156	869	14.0	18.0
2	杨晓文	中北大学大数据学院	16	106	6.0	10.0
3	刘佳鸣	中北大学大数据学院	2	4	2.0	2.0
4	尹洪红	中北大学大数据学院	2	4	2.0	2.0