基于改进KH算法优化ELM的目标威胁估计
为了提高目标威胁度估计的精确度,建立了反向学习磷虾群算法(OKH)优化极限学习机的目标威胁估计模型(OKH-ELM),提出基于此模型的算法.该模型使用反向学习策略优化磷虾群算法,并通过改进后的磷虾群算法优化极限学习机初始输入权重和偏置,使优化后的极限学习机能够对威胁度测试样本集做更好的预测.实验结果显示,OKH算法能够更好地优化极限学习机的权值与阈值,使建立的极限学习机目标威胁估计模型具有更高的预测精度和更强的泛化能力,能够精准、有效地实现目标威胁估计.
目标威胁估计、磷虾群算法、极限学习机、反向学习、神经网络、权值、阈值、威胁估计模型
13
TP391.9(计算技术、计算机技术)
江苏省自然科学基金项目BK20160162
2018-09-30(万方平台首次上网日期,不代表论文的发表时间)
共7页
693-699