基于流形学习的极端学习机及其在人脸识别中的应用

摘要：

极端学习机以其快速高效和良好的泛化能力在模式识别领域得到了广泛应用,然而现有的ELM及其改进算法并没有充分考虑到数据维数对ELM分类性能和泛化能力的影响,当数据维数过高时包含的冗余属性及噪音点势必降低ELM的泛化能力,针对这一问题提出一种基于流形学习的极端学习机,该算法结合维数约减技术有效消除数据冗余属性及噪声对ELM分类性能的影响,为验证所提方法的有效性,实验使用普遍应用的图像数据,实验结果表明文章所提算法能够显著提高ELM的泛化性能.

关键词：极端学习机、流形学习、维数约减

所属期刊栏目：24

分类号：TP18(自动化基础理论)

资助基金：国家自然基金61105085,61373127

在线出版日期：2017-01-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：158-161