DE-ELM-SSC+半监督分类算法

• 作 者: 庞俊 黄恒 张寿 舒智梁 赵宇海
• 机 构: 武汉科技大学计算机科学与技术学院,智能信息处理与实时工业系统湖北省重点实验室,东北大学计算机科学与工程学院
• 出 处: 计算机科学与探索
• 发表日期: 2020年12期
• 关键词: 超限学习机 半监督分类 策略选择 差分进化 缩放因子 extreme learning machine(ELM)semi-supervised classifi
• 基金项目: 国家自然科学基金,Nos.61702381,61702382,61772124

演化算法和分析方法的结合是机器学习领域近几年的一个研究热点。研究如何将差分进化(DE)演化算法与基于超限学习机(ELM)的半监督分类算法相结合。首先,提出了一种基于DE和ELM的半监督分类方法(DE-ELM-SSC),该算法大致步骤为:采用多种差分进化策略对超限学习机输入权重和偏置参数进行优化,并根据均方根误差选出一个适合目标数据集的最优策略;将上一步选出的最优进化策略应用于DE算法,从而达到优化ELM网络参数的目的;为了构造半监督分类预测模型,采用Tri-training技术实现了三个改进ELM基分类器