一种基于AdaBoost的极限学习机分类方法

摘要：

极限学习机是一种新型的单隐层前馈神经网络,在训练网络的过程中随机给定输入层权值和隐藏层偏差,所以训练速度非常快,但却导致了输出不稳定.提出了一种基于AdaBoost的极限学习机,把极限学习机作为AdaBoost的基本分类器,通过改变输入数据的权重,使得极限学习机的分类性能得到提升.实验结果表明了该方法与极限学习机和传统的神经网络相比,能够提高极限学习机的学习性能,并且使极限学习机输出更加稳定.

关键词：极限学习机、AdaBoost、稳定性

所属期刊栏目：46

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金资助项目,编号60905039,F030507

在线出版日期：2014-07-04（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：55-58