| 加权子空间的随机向量函数链接网络集成方法 |
| |
| 引用本文： | 叶璇,何玉林,张曼静,黄哲学.加权子空间的随机向量函数链接网络集成方法[J].西南师范大学学报(自然科学版),2022(12):1-10. |
| |
| 作者姓名： | 叶璇 何玉林 张曼静 黄哲学 |
| |
| 作者单位： | 1. 人工智能与数字经济广东省实验室(深圳);2. 深圳大学计算机与软件学院 |
| |
| 基金项目： | 国家自然科学基金面上项目(61972261)；;广东省自然科学基金面上项目(2314050006683)； |
| |
| 摘 要： | 随机向量函数链接网络(RVFL)是一种随机权网络模型，其基于非迭代权重更新方式，直接求解输出层权重完成模型训练，因此具有训练速度快的优点，已有的实验证明了其在分类和回归任务中均具有良好的泛化能力.目前在RVFL的改进工作中存在两点问题：改善网络结构会复杂化模型，容易造成过拟合现象；结合集成学习往往无法进一步通过增加集成多样性来提升模型性能.因此，本文基于子空间策略，提出了一种基于加权子空间的随机向量函数链接网络集成方法(WAB-RVFL).基于RVFL网络结构中输入层和输出层直连的线性特点，WAB-RVFL引入属性优化的思想并提出属性加权矩阵的概念，对属性子空间进行加权转化获得更优质的加权子空间，使其更利于模型进行集成训练.通过在8个高维分类数据集上的实验测试，证实了WAB-RVFL的可行性、合理性和有效性，其能够获得比6种流行的RVFL网络模型更优的泛化能力.
|
| 关 键 词： | 子空间策略 集成学习 泛化能力 粒子群优化 随机向量函数链接网络 |
|
