嵌入拒识代价的投票式极限学习机

• 作 者: 徐鑫
• 机 构: 安徽大学数学科学学院
• 出 处: 安徽大学学报：自然科学版
• 发表日期: 2014年6期
• 关键词: 计算机辅助治疗 极限学习机 分类可靠性 拒识 computer-aided diagnosis extreme learning machine class
• 基金项目: Supported by the 211 Project of Anhui University （2009QN029B）, Department of Education Funded Projects in Anhui Province （KJ2011Z018）, Anhui Excellent Youth Science and Technology Foundation （08040106

极限学习机是近几年发展起来的一种单隐层前馈神经网络．通过训练多个独立的ELM，V-ELM不仅提高了ELM的分类精度，同时很好地解决了ELM不稳定的特性．在V-ELM中，需要计算一个样本属于每一类的概率，将样本分类为概率最大的那一类．然而，当遇到最大的两个概率相等或者相差不大的情况下，都对应着非常大的误分类概率，为了解决这一问题，在论文中引入了对样本的拒识决策，并将该方法命名为嵌入拒识的投票式极限学习机。