基于布谷鸟搜索算法参数优化的组合核极限学习机

发布时间：2022-01-03 18:52

　　针对单核极限学习机在泛化性能上存在一定局限性的问题,提出将再生核函数与多项式核函数相结合,建立一种新的组合核极限学习机模型,使其具有全局核与局部核的优点,并选择布谷鸟搜索算法对其参数进行优化选择.仿真实验结果表明,采用基于再生核的组合核函数作为极限学习机的核函数可行,在实验数据集的多值分类和回归问题上,与传统支持向量机及单核极限学习机相比,该模型具有更好的泛化性能. 

【文章来源】：吉林大学学报(理学版). 2019,57(05)北大核心

【文章页数】：8 页

【部分图文】：

图２局部核和全局核函数图像的对比Ｆｉｇ．２Ｃｏｍｐａｒｉｓｏｎｂｅｔｗｅｅｎｌｏｃａｌｋｅｒｎｅｌａｎｄｇｌｏｂａｌｋｅｒｎｅｌｆｕｎｃｔｉｏｎｉｍａｇｅｓ

ｎｉｃａ），每类５０个数据．为方便训练，将３类分别编号为１，２，３．每个数据包含４个属性，可通过花萼长度、花萼宽度、花瓣长度、花瓣宽度４个属性预测ｉｒｉｓ属于Ｓｅｔｏｓａ，Ｖｅｒｓｉｃｏｌｏｕｒ，Ｖｉｒｇｉｎｉｃａ三个种类中的哪一类．图４为本文混合核函数模型在ｉｒｉｓ数据集上的分类界面，其中（Ａ），（Ｂ），（Ｃ）分别对比ｉｒｉｓ中的２类数据，（Ｄ）为其最终结果．测试数据列于表２．图４ＣＳ－ＭＫＥＬＭ模型在ｉｒｉｓ数据集上的分类界面Ｆｉｇ．４ＣｌａｓｓｉｆｉｃａｔｉｏｎｉｎｔｅｒｆａｃｅｏｆＣＳ－ＭＫＥＬＭｍｏｄｅｌｏｎｉｒｉｓｄａｔａｓｅｔ０９１１吉林大学学报（理学版）第５７卷

【参考文献】：
期刊论文
[1]基于改进布谷鸟搜索算法的工程设计优化[J]. 王庆喜,赵珊.  黑龙江大学自然科学学报. 2017(02)
[2]组合核支持向量机的模式分析新方法[J]. 徐立祥,李旭,吕皖丽,罗斌.  计算机工程与应用. 2013(24)



本文编号：3566794