资料下载
×
一种基于DE和ELM的半监督分类方法
消耗积分:0 |
格式:pdf |
大小:6.31 MB |
2021-04-09
分享资料个
演化算法和分析方法的结合是机器学习领域近几年的一个研究热点。研究如何将差分进化（DE）演化算法与基于超限学习机（ELM）的半监督分类算法相结合。首先，提出了一种基于DE和ELM的半监督分类方法（DE-ELM-SSC），该算法大致步骤为：采用多种差分进化策略对超限学习机输入权重和偏置参数进行优化，并根据均方根误差选岀一个适合目标数据集的最优策略;将上一步选岀的最优进化策略应用于DE算法，从而达到优化ELM网络参数的目的;为了构造半监督分类预测模型，采用Tri- training技术实现了三个改进ELM基分类器的协同训练。然后，采用非线性方法改进现有惯性策略方法，实现了缩放因子自适应调整，从而优化了DE-ELM-SSC算法，得到DE-EIM-SSC算法。UCI标准数据集上的大量实验结果表明，DE-ELM-SSCˉ算法能根据数据集选择合适的进化策略，并自适应调整缩放因子，获得比 Baselinε方法更高的分类准确率。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
