10.16208/j.issn1000-7024.2022.02.014
进化贝叶斯优化的核极限学习机分类器
为解决传统核极限学习机算法参数优化困难的问题,提高分类准确度,提出一种改进贝叶斯优化的核极限学习机算法.用樽海鞘群设计贝叶斯优化框架中获取函数的下置信界策略,提高算法的局部搜索能力和寻优能力;用这种改进的贝叶斯优化算法对核极限学习机的参数进行寻优,用最优参数构造核极限学习机分类器.在UCI真实数据集上进行仿真实验,实验结果表明,相比传统贝叶斯优化算法,所提算法能提升核极限学习机的分类精度,相较其它优化算法,所提算法可行有效.
核极限学习机;核参数;贝叶斯优化;进化下置信界策略;分类精度
43
TP181(自动化基础理论)
国家自然科学基金;国家自然科学基金
2022-03-03(万方平台首次上网日期,不代表论文的发表时间)
共7页
399-405