基于柔性多面體的最優(yōu)核極限學(xué)習(xí)機算法
【文章頁數(shù)】:6 頁
【部分圖文】:
圖1 核參數(shù)與懲罰參數(shù)在KELM上的影響
式中:N為訓(xùn)練樣本總數(shù),Perror(σi,Cj)表示在核參數(shù)為σi以及懲罰參數(shù)為Cj時錯誤分類的樣本數(shù)。令允許的訓(xùn)練誤差為TolFun,默認(rèn)值設(shè)定為0.01。選取二維網(wǎng)格中滿足F(σi,Cj)>TolFun條件的網(wǎng)格點組合成參數(shù)集合G(σi,Cj,F(σi,Cj))。然....
圖2 網(wǎng)格搜索優(yōu)化柔性多面體法收斂迭代次數(shù)對比
表3與GA-KELM、PSO-KELM和GS-KELM之間的對比:分類精度與標(biāo)準(zhǔn)偏差數(shù)據(jù)集名GSFP-KELMGA-KELMPSO-KELMKS-KELM(σ,C)準(zhǔn)確率/%(σ,C)準(zhǔn)確率/%(σ,C)準(zhǔn)確率/%σ準(zhǔn)確率/%climate(1,2....
圖3 網(wǎng)格搜索優(yōu)化柔性多面體法評估次數(shù)對比
圖2網(wǎng)格搜索優(yōu)化柔性多面體法收斂迭代次數(shù)對比表4是本文算法與近幾年出現(xiàn)的一些極限學(xué)習(xí)機算法的分類精度比較,分別是基于文化基因算法的極限學(xué)習(xí)機(M-ELM)[15]、實例克隆極限學(xué)習(xí)機(IC-ELM)[16]、基于多目標(biāo)優(yōu)化的稀疏極限學(xué)習(xí)機算法(MO-SELM)[17]。相關(guān)比較....
本文編號:4025968
本文鏈接:http://sikaile.net/kejilunwen/sousuoyinqinglunwen/4025968.html
下一篇:沒有了