基于粒计算的ELM加权集成算法研究

摘要：

在数据处理中,应用单一学习机建模处理难以获得问题的有效解.针对此问题,提出一种以极限学习机为基学习机的加权集成学习算法.采用粒计算确定条件属性权重并排序;依据排序结果实现数据集粒化,构造多个矩阵粒;在不同矩阵粒上分别构建极限学习机训练;最后将各基学习机的训练结果进行加权集成.采用Python编程仿真整个计算过程.仿真结果表明,加权集成算法在计算速度和预测精度上均优于传统集成算法,尤其适合大数据集处理,为集成学习融合计算提供了一种新的研究思路.

关键词：极限学习机、粒计算、集成学习、矩阵粒

所属期刊栏目：42

分类号：TP391(计算技术、计算机技术)

资助基金：河北省自然科学基金项目F2014209086

在线出版日期：2020-07-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：126-132