基于改进烟花算法的ELM分类模型

• 作者: 刘唐 周创明 周炜 王晓丹
• 来源期刊: 火力与指挥控制
• 学科: 工学
• 关键词: 极限学习机 隐层节点 改进烟花算法 IFWAELM 测试平均正确率
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 理论研究
• 页码范围: 10-15
• 页数: 6页
• 分类号: TP391
• 字数: 4573字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0640.2020.02.003

摘要

针对极限学习机(Extreme Learning Machine,ELM)的性能必须依赖于大量隐层节点的问题,提出了基于改进烟花算法(Improved Fireworks Algorithm,IFWA)的ELM分类模型.用改进的烟花算法进行迭代搜索,求得N个最优的烟花;选择ELM测试数据集的RMSE作为改进烟花算法的适应度值函数,来优化ELM每个隐层节点的输人权值和偏置,使得节点的决策水平提高,从而使ELM的决策性能显著提高;采用KDD99数据集验证表明:改进烟花算法的极限学习机(IFWAELM)能够以较少的隐层节点得到更高的测试平均正确率,提高了极限学习机的泛化性能.5种同类算法性能对比实验也表明IFWAELM是效果最优的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周创明	空军工程大学防空反导学院	24	156	8.0	11.0
2	王晓丹	空军工程大学防空反导学院	135	1447	21.0	31.0
3	周炜	西安财经大学行知学院	2	1	1.0	1.0