改进人工蜂群优化的极限学习机

摘要：

针对极限学习机(ELM)在训练过程中需要大量隐含层节点的问题,提出了差分进化与克隆算法改进人工蜂群优化的极限学习机(DECABC-ELM),在人工蜂群算法的基础上,引入了差分进化算法的差分变异算子和免疫克隆算法的克隆扩增算子,改进了人工蜂群收敛速度慢等缺点,使用改进的人工蜂群算法计算ELM的隐含层节点参数.将算法应用于回归和分类数据集,并与其他算法进行比较,获得了良好的效果.

关键词：人工蜂群算法、极限学习机、单隐含层前馈神经网络

所属期刊栏目：37

分类号：TP183(自动化基础理论)

资助基金：轻工过程先进控制教育部重点实验室开放课题资助江南大学项目APCLI1004;江南大学自主科研计划重点资助项目JUSRP51410B;国家青年科学基金资助项目F030204;现代农业产业技术体系专项资金资助项目CARS-49

在线出版日期：2018-05-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：116-120