%0 Journal Article
%T 改进式混合增量极限学习机算法
%A 王超
%A 王建辉
%A 顾树生
%A 张宇献
%J 控制与决策
%P 1981-1986
%D 2015
%R 10.13195/j.kzyjc.2014.1314
%X 针对增量型极限学习机(I-ELM)中存在大量降低学习效率及准确性的冗余节点的问题,提出一种基于Delta检验(DT)和混沌优化算法(COA)的改进式增量型核极限学习算法.利用COA的全局搜索能力对I-ELM中的隐含层节点参数进行寻优,结合DT算法检验模型输出误差,确定有效的隐含层节点数量,从而降低网络复杂程度,提高算法的学习效率;加入核函数可增强网络的在线预测能力.仿真结果表明,所提出的DCI-ELMK算法具有较好的预测精度和泛化能力,网络结构更为紧凑.
%K 极限学习机
%K 增量学习算法
%K Delta
%K 检验
%K 混沌优化算法
%K 增量型极限学习机
%U http://www.kzyjc.net:8080/CN/abstract/abstract13230.shtml