本文關鍵詞：基于流形學習的極端學習機及其在人臉識別中的應用

  更多相關文章： 極端學習機 流形學習 維數(shù)約減

【摘要】：極端學習機以其快速高效和良好的泛化能力在模式識別領域得到了廣泛應用,然而現(xiàn)有的ELM及其改進算法并沒有充分考慮到數(shù)據(jù)維數(shù)對ELM分類性能和泛化能力的影響,當數(shù)據(jù)維數(shù)過高時包含的冗余屬性及噪音點勢必降低ELM的泛化能力,針對這一問題提出一種基于流形學習的極端學習機,該算法結合維數(shù)約減技術有效消除數(shù)據(jù)冗余屬性及噪聲對ELM分類性能的影響,為驗證所提方法的有效性,實驗使用普遍應用的圖像數(shù)據(jù),實驗結果表明文章所提算法能夠顯著提高ELM的泛化性能。
【作者單位】： 遼寧師范大學計算機與信息技術學院;
【基金】：國家自然基金(61105085,61373127)
【分類號】：TP391.41;TP181
【正文快照】： 0胃 近來,H_g#人r在單隱層RG饋神^經(jīng)網(wǎng)—各(Single- hidden layer feedf0rWard networks,SLFNs)的基礎上提出工生,隱層學節(jié)巧…、的輸人權值和偏置值’分析確足輸出權值'與傳統(tǒng)基于梯度S想的tt經(jīng)枿}栛具有:￡}0栜速麟，

本文編號：1143079