K插值单纯形法核极限学习机的研究
针对核极限学习机高斯核函数参数选优难,影响学习机训练收敛速度和分类精度的问题,该文提出一种K插值单纯形法的核极限学习机算法.把核极限学习机的训练看作一个无约束优化问题,在训练迭代过程中,用Nelder-Mead单纯形法搜索高斯核函数的最优核参数,提高所提算法的分类精度.引入K插值为Nelder-Mead单纯形法提供合适的初值,减少单纯形法的迭代次数,提高了新算法的训练收敛效率.通过在UCI数据集上的仿真实验并与其它算法比较,新算法具有更快的收敛速度和更高的分类精度.
核极限学习机、核参数、Nelder-Mead单纯形法、K插值法
40
TP181(自动化基础理论)
国家自然科学基金61762009
2019-05-06(万方平台首次上网日期,不代表论文的发表时间)
共7页
1860-1866