计算机科学与探索

作者：王丽娟，丁世飞

单位：1. 中国矿业大学 计算机科学与技术学院，江苏 徐州 2211162. 徐州工业职业技术学院 信息与电气工程学院，江苏 徐州 221140

关键词：粒子群算法（PSO）,支持向量机（SVM）,极速学习机（ELM）,SVM-ELM

极限学习机（extreme learning machine，ELM）是一种简单易用、有效的单隐层前馈神经网络（single hidden layer feedforward neural networks，SLFNs）学习算法，近几年来已成为机器学习研究的热门领域之一。但是ELM单个隐层节点的判断能力不足，分类正确率的高低在一定程度上取决于隐层节点数。为了提高ELM单个隐层节点的判断能力，将支持向量机（support vector machine，SVM）和ELM结合，建立一种精简的SVM-ELM模型。同时，该模型为了避免人为选择参数的主观性，利用粒子群算法（particle swarm optimization，PSO）的全局搜索最优解对参数进行自动优化选取，建立了PSO-SVM-ELM模型。实验证明，该模型较SVM-ELM和ELM分类精度有较大的提高，具有很好的稳健性和泛化性。

来源：2019年第4期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2019年第4期