一种基于簇的极限学习机的在线学习算法

摘要：

针对传统的批量学习算法学习速度慢、对空间需求量高的缺点，提出了一种基于簇的极限学习机的在线学习算法。该算法将分簇的理念融入到极限学习机中，并结合极限学习机，提出了一种基于样本类别和样本输出的分簇标准；同时提出了一种加权的Moore-Penrose算法求隐层节点与输出节点的连接权重。实验结果表明，该算法具有学习能力好、拟合度高、泛化性能好等优点。

关键词：极限学习机、簇、在线学习

分类号：TP311(计算技术、计算机技术)

资助基金：重庆市科委自然科学基金No.CSTC2011BB2063。

在线出版日期：2014-06-19（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：188-191,266