嵌入拒识代价的投票式极限学习机

摘要：

极限学习机是近几年发展起来的一种单隐层前馈神经网络。通过训练多个独立的 ELM,V-ELM不仅提高了ELM的分类精度,同时很好地解决了ELM不稳定的特性。在V-ELM中,需要计算一个样本属于每一类的概率,将样本分类为概率最大的那一类。然而,当遇到最大的两个概率相等或者相差不大的情况下,都对应着非常大的误分类概率,为了解决这一问题,在论文中引入了对样本的拒识决策,并将该方法命名为嵌入拒识的投票式极限学习机。

关键词：计算机辅助治疗、极限学习机、分类可靠性、拒识

分类号：TP18(自动化基础理论)

资助基金：the 211 Project of Anhui University2009QN029B;Department of Education Funded Projects in Anhui ProvinceKJ2011Z018;Anhui Excellent Youth Science and Technology Foundation08040106835;Anhui University Innovation Team

在线出版日期：2014-12-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1-8