集成在线贯序超限学习机的分类算法

摘要：

为了有效解决数据流的分类问题，提出一种集成在线贯序超限学习机算法（A-OSELM）。为了解决现有分类算法精度不高的问题，本文将经典的集成算法AdaBoost与在线贯序超限学习机相结合，生成一种集成在线贯序超限学习机(A-OSELM)算法，形成一个强分类器，在有效提升分类精度的同时，也不会造成训练速度过慢的问题，最终实验结果证明这一算法的有效性。

关键词：在线学习、在线贯序超限学习机、数据流分类、集成算法

在线出版日期：2022-02-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共2页

页码：235-236