查询结果:   尹洪红,杨晓文,刘佳鸣,韩燮.一种基于蚁狮优化的极限学习机[J].计算机应用与软件,2019,36(8):230 - 234.
中文标题
一种基于蚁狮优化的极限学习机
发表栏目
算法
摘要点击数
65
英文标题
AN EXTREME LEARNING MACHINE BASED ON ANT LION OPTIMIZATION
作 者
尹洪红 杨晓文 刘佳鸣 韩燮 Yin Honghong Yang Xiaowen Liu Jiaming Han Xie
作者单位
中北大学大数据学院 山西 太原 030051     
英文单位
School of Data Science and Technology, North University of China, Taiyuan 030051,Shanxi,China     
关键词
极限学习机 蚁狮优化 智能优化算法
Keywords
Extreme learning machine Ant lion optimization Intelligent optimization algorithm
基金项目
国家自然科学基金项目(61672473);山西省重点研发技术项目(201803D121081);中北大学研究生科技基金资助课题(20181543)
作者资料
尹洪红,硕士生,主研领域:计算机视觉。杨晓文,副教授。刘佳鸣,硕士生。韩燮,教授。 。
文章摘要
极限学习机(Extreme Learning Machine,ELM)是一种高效率的单隐层前馈神经网络,由于其训练速度快与泛化性能好,在各个领域中都有广泛的应用。但是极限学习机随机生成输入权值与隐含层偏置矩阵,随机性影响训练模型的泛化性能与稳定性,降低模型分类的精度。为了解决这一问题,借鉴蚁狮优化算法中利用蚁狮种群中的多个个体进行并行寻优的能力,改进优化极限学习机的输入权值与隐含层偏置矩阵,得到一个分类精度更高模型。以UCI 标准数据库中数据进行分类实验分析验证,实验结果表明,在5类UCI数据集上基于蚁狮优化的极限学习机(ALO-ELM)相比于PSO-ELM和SaDE-ELM具有更高的分类精度。
Abstract
Extreme learning machine (ELM) is a high-efficiency single hidden layer feed forward neural network. Due to its fast training speed and good generalization performance, it is widely used in various fields. However, the extreme learning machine randomly generates the input weight and the implicit layer bias matrix. The randomness affects the generalization performance and stability of the training model and reduces the accuracy of the model classification. In order to solve this problem, the ant lion optimization algorithm was used to optimize the ability of multiple individuals in the ant lion population for parallel optimization, and the input weight and implicit layer bias matrix of the optimal extreme learning machine were improved to obtain a higher classification accuracy model. The algorithm was classified and experimentally verified by the data in the UCI standard database. The experimental results show that the extreme learning machine based on ant lion optimization (ALO-ELM) has higher classification accuracy than PSO-ELM and SaDE-ELM on the five types of UCI datasets.
下载PDF全文   

根据该篇关键词查找到本刊已发表相关论文供参考
序号
文  章  标  题
作者1
发表栏目
页码
摘要
1
一种基于蚁狮优化的极限学习机
尹洪红
算法
2019
8
230
[摘要]
2
基于深度学习的复杂网络实时Sybil攻击检测算法
李扬
算法
2019
7
300
[摘要]
3
基于深度CNN和极限学习机相结合的实时文档分类
闫河
人工智能与识别
2019
3
174
[摘要]
4
基于车载手机数据深度特征的驾驶行为识别
胡松
应用技术与研究
2019
1
59
[摘要]
5
局部信息保持极限学习机的遥感图像分类
何阳
图像处理与应用
2019
1
263
[摘要]
6
基于AVMD-DE和IBSA-KELM的混沌网络流量组合预测
陈颖
网络与通信
2018
6
117
[摘要]
7
用电特征指标降维与极限学习机算法的窃电检测
李梓欣
人工智能与识别
2018
12
179
[摘要]
8
改进的卷积神经网络图片分类识别方法
闫河
人工智能与识别
2018
12
193
[摘要]
9
基于IBA-ELM的发动机燃油系统故障诊断研究
靖婉婷
应用技术与研究
2018
11
89
[摘要]
10
基于整体外观特征的植物种类识别研究
陈淑君
图像处理与应用
2017
9
222
[摘要]
11
一种修正的模糊极限学习机
李丽娜
算法
2017
5
234
[摘要]
12
基于时间序列预测的股票交易决策建议系统
蒋倩仪
应用技术与研究
2017
4
75
[摘要]
13
一种基于极限学习机的在线负增量算法
谢林森
算法
2016
9
269
[摘要]
14
选择性集成极限学习机分类器建模研究
徐晓杨
算法
2016
9
279
[摘要]
15
基于带宽预测的流媒体超级节点选择算法
魏赟
多媒体技术应用
2016
8
179
[摘要]
16
基于特征融合和优化极限学习机算法的虹膜识别系统
路春辉
信息技术交流
2016
7
326
[摘要]
17
一种结合互补集合经验模态分解和小波核极限学习机的短期电力负荷预测模型
郭瑞
算法
2016
12
243
[摘要]
18
一种改进的狼群搜索算法及用于解决聚类问题
王涛
算法
2016
12
257
[摘要]
19
基于ELM运动想象脑电信号的分类
柯海森
人工智能与识别
2016
10
187
[摘要]
20
一种基于极限学习机的缺失数据填充方法
杨毅
算法
2016
10
243
[摘要]
21
基于社会力模型算法的SVM参数优化
张俊杰
算法
2015
9
235
[摘要]
22
嵌入拒识的极限学习机在基因表达数据分类中的应用
何颖
人工智能与识别
2015
7
177
[摘要]
23
基于测地距离与极限学习机的监督型LLE算法研究
金伟
算法
2015
7
248
[摘要]
24
基于粒子群算法优化极限学习机的无源目标定位算法
傅彬
信息技术交流
2015
11
325
[摘要]
25
蝙蝠算法联合选择特征和分类器参数的入侵检测
冷令
算法
2014
7
294
[摘要]
26
基于小波核主成分分析和差分进化优化极限学习机的入侵检测
朱永胜
安全技术
2014
5
305
[摘要]
27
一种具有记忆特征的改进蝙蝠算法
王文
算法
2014
11
257
[摘要]
28
基于合理遗忘选择训练样本的网络流量预测模型
莫闯
网络与通信
2014
10
120
[摘要]