基于柔性多面体的最优核极限学习机算法

针对核极限学习机参数优化困难的问题,提出一种基于网格搜索柔性多面体的最优化核极限学习机算法。为高斯核变量和惩罚变量构造二维网格,从网格中选取最小目标函数值所对应的参数点构造初始柔性多面体,解决柔性多面体对初始值敏感的问题;给柔性多面体的变形搜索参数添加权重值,区分核参数和惩罚参数对核极限学习机分类性能影响程度;通过迭代柔性多面体实现核极限学习参数的最优化搜索,用所获最优参数构造核极限学习机并用于数据分类。在UCI、KEEL和人工数据集上与其它优化核极限学习机算法进行计算结果比较,验证所提算法的可行性。     

一种自适应模糊连接点聚类算法

模糊连接点聚类算法（Fuzzy Joint Points, FJP）用最大间隔下降法划分聚类的簇数目,这种确定簇数目的方法具有主观性,不利于算法的应用推广。针对此问题,提出一种基于有效近邻簇指标的自适应FJP聚类算法,通过Kernels-VCN指标来评估聚类的有效性,从而实现最佳簇数目的自适应确定,最后在UCI数据集和人工数据集上验证所提算法的可行性。