基于邻域粗糙集的极速学习机算法 | |
鲍丽娜 ; 丁世飞 ; 许新征 ; 孙统风 | |
2015-09-01 ; 2015-09-01 | |
关键词 | 邻域粗糙集 属性约简 极速学习机 |
中文摘要 | 将基于单隐层前馈神经网络(SLFN)提出的极速学习机(ELM)算法和邻域粗糙集理论进行结合,提出基于邻域粗糙集的极速学习机算法,采用邻域粗糙集对样本集进行属性约简,去掉冗余属性,利用ELM对约简后的数据集进行学习,并对数据样本进行预测。实验表明ELM算法相比具有更高的训练精度和测试精度。 |
其他责任者 | 中国矿业大学计算机科学与技术学院 ; 中国科学院计算技术研究所 ; 智能信息处理重点实验室 |
内容类型 | 期刊论文 |
源URL | [http://ir.calis.edu.cn/hdl/232060/10703] ![]() |
专题 | 中国矿业大学(徐州) |
推荐引用方式 GB/T 7714 | 鲍丽娜,丁世飞,许新征,等. 基于邻域粗糙集的极速学习机算法[J],2015, 2015. |
APA | 鲍丽娜,丁世飞,许新征,&孙统风.(2015).基于邻域粗糙集的极速学习机算法.. |
MLA | 鲍丽娜,et al."基于邻域粗糙集的极速学习机算法".(2015). |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论