|
|||||
|
|
| 基于邻域粗糙集的极速学习机算法 | |
| 作者姓名： | 鲍丽娜 丁世飞 许新征 孙统风 |
| 作者单位： | 中国矿业大学计算机科学与技术学院;中国科学院计算技术研究所;智能信息处理重点实验室 |
| 基金项目： | 国家自然科学基金(61379101);国家重点基础研究发展计划(2013CB329502);江苏省自然科学基金(BK20130209) |
| 摘 要： | 将基于单隐层前馈神经网络(SLFN)提出的极速学习机(ELM)算法和邻域粗糙集理论进行结合,提出基于邻域粗糙集的极速学习机算法,采用邻域粗糙集对样本集进行属性约简,去掉冗余属性,利用ELM对约简后的数据集进行学习,并对数据样本进行预测。实验表明ELM算法相比具有更高的训练精度和测试精度。 |
| 关 键 词： | 邻域粗糙集 属性约简 极速学习机 |
| 本文献已被 CNKI 等数据库收录！ | |