基于流形正则化的批量分层编码极限学习机

• 作者: 刘彬 杨有恒 刘静 王卫涛 刘浩然 闻岩
• 来源期刊: 计量学报
• 关键词: 计量学 极限学习机 高维数据 批次学习 无监督编码 流形正则化
• 年，卷（期）: 2021,（7）
• 页码范围: 937-943
• 页数: 7页
• 分类号: TB973
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1158.2021.07.16

摘要

针对极限学习机在处理高维数据时存在内存能耗大、分类准确率低、泛化性差等问题,提出了一种批量分层编码极限学习机算法.首先通过对数据集分批处理,以减小数据维度,降低输入复杂性;然后采用多层自动编码器结构对各批次数据进行无监督编码,以实现深层特征提取;最后利用流形正则化思想构建含有继承因子的流形分类器,以保持数据的完整性,提高算法的泛化性能.实验结果表明,该方法实现简单,在NORB,MNIST和USPS数据集上的分类准确率分别可以达到92.16％、99.35％和98.86％,与其它极限学习机算法对比,在降低计算复杂度和减少CPU内存消耗上具有较明显的优势.