K插值单纯形法核极限学习机的研究

发布时间：2020-05-19 05:41

【摘要】：针对核极限学习机高斯核函数参数选优难,影响学习机训练收敛速度和分类精度的问题,该文提出一种K插值单纯形法的核极限学习机算法。把核极限学习机的训练看作一个无约束优化问题,在训练迭代过程中,用Nelder-Mead单纯形法搜索高斯核函数的最优核参数,提高所提算法的分类精度。引入K插值为Nelder-Mead单纯形法提供合适的初值,减少单纯形法的迭代次数,提高了新算法的训练收敛效率。通过在UCI数据集上的仿真实验并与其它算法比较,新算法具有更快的收敛速度和更高的分类精度。
【图文】：

1±=1±=10±=50±=100最好精度最差精度平均精度±值精度(%)DNA21.4124.6380.9494.6566.3855.0394.6521.4157.174.595.72Letter4.1983.3289.0477.8854.2249.6989.044.1959.722.452196.92Msplice54.8659.5979.5394.2475.5254.8694.2454.8669.77694.82Musk84.0886.0989.9695.2295.9496.1396.1384.0891.2422496.99Cnae9.2780.3991.3888.5871.5549.3591.389.2765.091.663192.67Chess0.1758.5562.1032.8224.3522.0862.100.1733.350.83263.21D3189.3395.6796.6792.3323.5016.3396.6716.3368.971.747197.17图1高斯核参数取值对训练精度和测试精度的影响第8期苏一丹等：K插值单纯形法核极限学习机的研究1863

桓鍪屎系乃阉鞒踔担囝行У亟饩隽说ゴ啃畏ǘ?搜索参数初值敏感的问题，加速了核ELM的训练收敛。表5给出本文算法与近两年4种相关算法的分类精度比较。4种相比较的极限学习机算法分别是：带权重变化和决策融合的极限学习机(WMOS-2017)[19]、基于文化基因算法的极限学习机(M-2016)[20]、实例克隆极限学习机(IC-2017)[21]、基于多层感知机的极限学习机(H-2016)[22]。表5相关比较算法的分类精度取自相应的文献，表中的“—”符号表示相比较算法文献未给出该数据集的图2K插值法对单纯形核ELM训练收敛的影响1864电子与信息学报第40卷

【相似文献】

相关期刊论文 前10条

1 苏一丹;李若愚;覃华;陈琴;;K插值单纯形法核极限学习机的研究[J];电子与信息学报;2018年08期

2 李小林;;单纯形法计算方法存在的问题[J];商业文化(下半月);2011年11期

3 陈新建,刘海林,何文章;修正半单纯形法[J];广西大学学报(自然科学版);1998年03期

4 郑亚林，，安凯，李彩萍;单纯形法的一种改进[J];曲阜师范大学学报(自然科学版);1999年02期

5 徐广通;候镜德;朱群;杨建华;;加权单纯形法在液相色谱操作条件最优化中的应用[J];山东建材学院学报;1990年03期

6 张天光;程万;温炳恒;;平移正规单纯形法[J];航空兵器;1991年02期

7 隋允康,黄秀芬;改进的梯度投影单纯形法GPS及其在桁架优化上的应用[J];大连工学院学报;1988年01期

8 黄纯一 ,肖相武;关于非线性单纯形法的几点注记[J];黑龙江大学自然科学学报;1988年04期

9 童明O

本文编号：2670428