基于核的半监督极限学习机及其在交通拥挤评价中的应用

Semi-supervised ELM; Kernel function;

事实证明，极限学习机（ELM）是广泛领域中一种有效的学习范例。使用内核函数方法而不是隐藏层，KernelELM克服了由随机分配的权重引起的变化问题。本文在半监督极限学习机（SSELM）中引入了基于核的优化，并通过实验对性能的改进进行了评估。结果表明，通过内核功能的优化，KernelSSELM可以实现更高的分类精度和鲁棒性。另外，内核SSELM用于在城市交通评估和预测系统中训练交通拥堵评估框架。

文件下载

评论信息

其他资源

免责申明

【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论【只为小站】经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见版权及免责申明

基于核的半监督极限学习机及其在交通拥挤评价中的应用

文件下载

评论信息

其他资源

免责申明

个人信息

相关资源标签

热门下载

最新下载