大数据分割式极限学习机算法

• 作者: 赵建堂
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 极限学习机(ELM) 大数据 有序加权平均算子
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 大数据与云计算
• 页码范围: 73-76
• 页数: 4页
• 分类号: TP273
• 字数: 5100字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1801-0217

摘要

在海量数据输入背景下,为提升极限学习机算法的学习速度,降低计算机内存消耗,提出一种分割式极限学习机算法.将海量数据分割成K等份,分别训练极限学习机并获得单一外权,基于算术平均算子得到分割式极限学习机的综合外权;为避免异常数据对极限学习机输出结果的影响,采用有序加权平均算子融合单一极限学习机的输出信息,使分割式极限学习机的输出结果更为稳定.数值对比仿真显示:分割式极限学习机比传统极限学习机的学习速度、拟合精度和内存消耗都高,验证了该方法的有效性和可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵建堂	咸阳师范学院数学与信息科学学院	11	5	1.0	2.0