基于快速自编码的RELM的文本分类

摘要：

正则化极限学习机RELM是一种单隐层前馈神经网络,不同于传统神经网络算法,RELM通过随机设置输入层权重和偏置值,可以快速求得输出层权重,并且引入正则化因子,能够提高模型的泛化能力.针对文本信息高维度、多类别的问题,提出一种基于快速自编码的正则化极限学习机FARELM.将由RELM改进后的快速自编码神经网络对样本进行无监督特征学习,并对特征提取后的数据使用RELM进行分类.实验表明,FA-RELM的学习速度和分类精度较优.

关键词：文本分类、特征提取、自动编码器、正则化极限学习机

所属期刊栏目：38

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61027005

在线出版日期：2016-08-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：871-876