群集正反向回溯人工生态系统优化算法的ELM超参优选

摘要：

为有效改善极限学习机(ELM)的分类识别性能,提出一种融合群集正反向回溯的改进人工生态系统优化算法(IAEO),并用于ELM的超参优选.群集正反向引导机制启发于生态系统中消费者数量因上下级捕食关系的正反向调控机理而被构建,局部回溯开采策略则通过继承种群历史最优信息以动态再挖掘分解者的局部微小邻域,并引导种群进化以实现局部优化性能的改善.数值实验结果表明,两种改进策略可有效改善AEO算法的全局勘探和局部开采性能,IAEO算法具有较高的收敛精度、强稳健性和良好的高维优化适用性;同时验证了所提IAEO算法在ELM超参优化以增强分类泛化性能的有效性和可行性.

关键词：智能优化算法、人工生态系统优化算法、群集正反向引导、局部回溯开采、极限学习机

所属期刊栏目：38

分类号：TP183;O29(自动化基础理论)

资助基金：中国博士后基金面上项目;辽宁省教育厅基金项目;辽宁省科技厅博士科研启动基金项目

在线出版日期：2023-05-24（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：921-928