基于探测粒子群的小波核极限学习机算法

摘要：

在分析核极限学习机原理的基础上,将小波函数作为核函数运用于极限学习机中,形成小波核极限学习机(WKELM).实验表明,该算法提高了分类性能,增加了鲁棒性.在此基础上利用探测粒子群(Detecting ParticleSwarm Optimization,DPSO)对WKELM参数优化,最终得到分类效果较优的DPSO-WKELM分类器.通过采用UCI基因数据进行仿真,将该分类结果与径向基核极限学习机(KELM)、WKELM等算法结果进行比较,得出所提算法具有较高的分类精度.

关键词：核极限学习机、探测粒子群、算法优化、分类精度

所属期刊栏目：43

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金资助项目61272315,60842009;浙江省自然科学基金Y1110342,Y1080950

在线出版日期：2016-08-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：77-80