基于改进花粉算法的极限学习机分类模型

摘要：

针对多输出极限学习机(MELM)分类模型输入层权值和阈值随机选取导致的分类精度波动问题,提出一种基于改进花粉算法(CS-ACFPA)的极限学习机多分类模型(CS-ACFPA-MELM).利用自适应算子和Tent策略优化花粉算法的寻优方式,构造一种基于代价敏感的适应度函数,使花粉算法能够更好地匹配MELM模型的输出,最后使用改进的花粉算法和基于代价敏感的适应度函数优化极限学习机的输入权值和阈值,以提高MELM模型的的分类性能.通过对比实验验证了CS-ACFPA算法对MELM模型改进的有效性,并且体现了CS-ACFPA-MELM模型在大规模样本上的优势以及小样本上的适用性.

关键词：分类模型、极限学习机、花粉算法、代价敏感、混沌搜索

所属期刊栏目：56

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金No.71771111

在线出版日期：2020-01-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：172-179