一种粒子群优化的SVM-ELM模型 |
| |
引用本文: | 王丽娟,丁世飞.一种粒子群优化的SVM-ELM模型[J].计算机科学与探索,2019,13(4):657-665. |
| |
作者姓名: | 王丽娟 丁世飞 |
| |
作者单位: | 中国矿业大学 计算机科学与技术学院,江苏 徐州 221116;徐州工业职业技术学院 信息与电气工程学院,江苏 徐州 221140;中国矿业大学 计算机科学与技术学院,江苏 徐州,221116 |
| |
摘 要: | 极限学习机(extreme learning machine,ELM)是一种简单易用、有效的单隐层前馈神经网络(single hidden layer feedforward neural networks,SLFNs)学习算法,近几年来已成为机器学习研究的热门领域之一。但是ELM单个隐层节点的判断能力不足,分类正确率的高低在一定程度上取决于隐层节点数。为了提高ELM单个隐层节点的判断能力,将支持向量机(support vector machine,SVM)和ELM结合,建立一种精简的SVM-ELM模型。同时,该模型为了避免人为选择参数的主观性,利用粒子群算法(particle swarm optimization,PSO)的全局搜索最优解对参数进行自动优化选取,建立了PSO-SVM-ELM模型。实验证明,该模型较SVMELM和ELM分类精度有较大的提高,具有很好的稳健性和泛化性。
|
关 键 词: | 粒子群算法(PSO) 支持向量机(SVM) 极速学习机(ELM) SVM-ELM |
SVM-ELM Model Based on Particle Swarm Optimization |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 万方数据 等数据库收录! |
|