10.3969/j.issn.1002-0640.2020.02.003
基于改进烟花算法的ELM分类模型
针对极限学习机(Extreme Learning Machine,ELM)的性能必须依赖于大量隐层节点的问题,提出了基于改进烟花算法(Improved Fireworks Algorithm,IFWA)的ELM分类模型.用改进的烟花算法进行迭代搜索,求得N个最优的烟花;选择ELM测试数据集的RMSE作为改进烟花算法的适应度值函数,来优化ELM每个隐层节点的输人权值和偏置,使得节点的决策水平提高,从而使ELM的决策性能显著提高;采用KDD99数据集验证表明:改进烟花算法的极限学习机(IFWAELM)能够以较少的隐层节点得到更高的测试平均正确率,提高了极限学习机的泛化性能.5种同类算法性能对比实验也表明IFWAELM是效果最优的.
极限学习机、隐层节点、改进烟花算法、IFWAELM、测试平均正确率
45
TP391(计算技术、计算机技术)
国家自然科学基金资助项目61503407
2020-06-22（万方平台首次上网日期，不代表论文的发表时间）
共6页
10-15
