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:
演化算法和分析方法的结合是机器学习领域近几年的一个研究热点.研究如何将差分进化(DE)演化算法与基于超限学习机(ELM)的半监督分类算法相结合.首先,提出了一种基于DE和ELM的半监督分类方法(DE-ELM-SSC),该算法大致步骤为:采用多种差分进化策略对超限学习机输入权重和偏置参数进行优化,并根据均方根误差选出一个适合目标数据集的最优策略;将上一步选出的最优进化策略应用于DE算法,从而达到优化ELM网络参数的目的;为了构造半监督分类预测模型,采用Tri-training技术实现了三个改进ELM基分类器的协同训练.然后,采用非线性方法改进现有惯性策略方法,实现了缩放因子自适应调整,从而优化了DE-ELM-SSC算法,得到DE-ELM-SSC+算法.UCI标准数据集上的大量实验结果表明,DE-ELM-SSC+算法能根据数据集选择合适的进化策略,并自适应调整缩放因子,获得比Baseline方法更高的分类准确率.
推荐文章
一种多分类器协同的半监督分类算法SSC_MCC
半监督学习
多分类器协同
分类
双层结构
结合主动学习策略的半监督分类算法
半监督分类
主动学习
投票熵
样本密度
基于Tri-DE-ELM的半监督模式分类方法研究
极限学习机
差分进化
Tri-Training算法
半监督学习
基于数据密度的半监督自训练分类算法
半监督学习
自训练
密度
分类
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 DE-ELM-SSC+半监督分类算法
来源期刊 计算机科学与探索 学科 工学
关键词 超限学习机 半监督分类 策略选择 差分进化 缩放因子
年,卷(期) 2020,(12) 所属期刊栏目 学术研究
研究方向 页码范围 2014-2027
页数 14页 分类号 TP391
字数 语种 中文
DOI 10.3778/j.issn.1673-9418.1912001
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 庞俊 2 2 1.0 1.0
2 黄恒 1 0 0.0 0.0
3 张寿 1 0 0.0 0.0
4 舒智梁 1 0 0.0 0.0
5 赵宇海 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (80)
共引文献  (85)
参考文献  (27)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1936(1)
  • 参考文献(0)
  • 二级参考文献(1)
1965(1)
  • 参考文献(0)
  • 二级参考文献(1)
1968(1)
  • 参考文献(0)
  • 二级参考文献(1)
1977(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(4)
  • 参考文献(1)
  • 二级参考文献(3)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(5)
  • 参考文献(1)
  • 二级参考文献(4)
2006(11)
  • 参考文献(2)
  • 二级参考文献(9)
2007(6)
  • 参考文献(2)
  • 二级参考文献(4)
2008(2)
  • 参考文献(2)
  • 二级参考文献(0)
2009(5)
  • 参考文献(0)
  • 二级参考文献(5)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(8)
  • 参考文献(1)
  • 二级参考文献(7)
2012(2)
  • 参考文献(0)
  • 二级参考文献(2)
2013(9)
  • 参考文献(1)
  • 二级参考文献(8)
2014(6)
  • 参考文献(2)
  • 二级参考文献(4)
2015(10)
  • 参考文献(1)
  • 二级参考文献(9)
2016(6)
  • 参考文献(2)
  • 二级参考文献(4)
2017(5)
  • 参考文献(5)
  • 二级参考文献(0)
2018(11)
  • 参考文献(5)
  • 二级参考文献(6)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
超限学习机
半监督分类
策略选择
差分进化
缩放因子
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
计算机科学与探索
月刊
1673-9418
11-5602/TP
大16开
北京市海淀区北四环中路211号北京619信箱26分箱
82-560
2007
chi
出版文献量(篇)
2215
总下载数(次)
4
总被引数(次)
10748
论文1v1指导