一种修正的模糊极限学习机

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

摘要：极限学习机ELM（Extreme learning machine）作为一个有竞争力的机器学习算法,以其简单的理论和易于实施的特点吸引了越来越多学者的关注。近来,针对噪音及离群数据,研究人员提出了相关的研究算法,然而如何将ELM更好地应用在含有噪音及离群数据的分类问题中仍是一个重要的研究课题。基于数据的信息关联的技术思想提出一种修正的模糊极限学习机（MFELM）。MFELM的优势在于：1）MFELM在处理噪音及离群数据的分类问题时能够保持ELM处理正常数据分类问题的良好性能;2）适用于ELM的激活函数或核函数同样适用于MFELM模型;3）根据不同的需求给每个数据样本分配不同的隶属度,MFELM可以推广到代价敏感学习中。通过使用UCI数据集和普遍应用的人脸数据集进行实验,实验结果表明该提出的算法显著提高了ELM的分类能力并优于其他算法。

原文链接:http://www.cqvip.com//QK/90976X/201705/672103288.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：学习机 Learning earning machine extreme 极限学习机 不平衡数据 信息关联 特征映射