本文關(guān)鍵詞：基于流形學(xué)習(xí)的極端學(xué)習(xí)機及其在人臉識別中的應(yīng)用

  更多相關(guān)文章： 極端學(xué)習(xí)機 流形學(xué)習(xí) 維數(shù)約減

【摘要】：極端學(xué)習(xí)機以其快速高效和良好的泛化能力在模式識別領(lǐng)域得到了廣泛應(yīng)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(xué)習(xí)的極端學(xué)習(xí)機,該算法結(jié)合維數(shù)約減技術(shù)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(yīng)用的圖像數(shù)據(jù),實驗結(jié)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(xué)計算機與信息技術(shù)學(xué)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(chǔ)上提出工生,隱層學(xué)節(jié)巧…、的輸人權(quán)值和偏置值’分析確足輸出權(quán)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