基于差分进化和超限学习机的半监督分类算法研究

发布时间：2020-12-26 07:18

　　演化算法与分析方法的结合是机器学习领域近几年的一个研究热点。基于超限学习机（Extreme learning machine,ELM）的半监督分类算法在室内定位等领域有广泛的应用。本文研究差分进化演化算法与基于ELM的半监督分类方法的结合。该问题的研究刚刚起步,已报道的相关工作很少。现有方法分类准确率尚不够高,不能完全满足市场决策的需求。针对上述问题,本文提出了一种基于差分进化（Differential evolution,DE）和超限学习机的半监督分类算法（Semi-supervised classification based on DE and ELM,DE-ELM-SSC）。与最新Tri-DE-ELM（Modified ELM algorithm based on cooperative training and differential evolution）方法相比,DE-ELM-SSC根据训练数据集进行了差分进化策略的选择,其主要步骤包括:（1）根据均方根误差从3种典型的差分进化策略中选出一个适合目标数据集的最优进化策略;（2）将该最优进化策略应用于DE算法;（3）基于使用... 

【文章来源】：武汉科技大学湖北省

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

隐含层神经元数量变化时Tri-DE-ELM的准确率

武汉科技大学硕士学位论文38图5.1隐含层神经元数量变化时Tri-DE-ELM的准确率图5.2隐含层神经元数量变化时DE-ELM-SSC的准确率图5.3隐含层神经元数量变化时DE-ELM-SSC+的准确率

武汉科技大学硕士学位论文38图5.1隐含层神经元数量变化时Tri-DE-ELM的准确率图5.2隐含层神经元数量变化时DE-ELM-SSC的准确率图5.3隐含层神经元数量变化时DE-ELM-SSC+的准确率


本文编号：2939276