基于改进粒子群算法的核极限学习机算法
摘要：内核极限学习机（KELM）通过将低维空间中的线性不可分离数据转换为线性可分离的数据，从而增强了ExtremeLearning Machine（ELM）的鲁棒性。 然而，ELM的内部功率参数是随机初始化的，导致算法不稳定。本文采用主动算子粒子游动优化算法（APSO）来获得KELM的最优初始参数集，从而创建了一个最优的KELM分类器名为APSO-KELM。 在标准遗传数据集上进行的实验表明，与现有的ELM，KELM相比，APSO-KELM具有更高的分类准确性，并且这些算法将PSO / APSO与ELM / KELM相结合，例如PSO-KELM，APSO-ELM，PSO-ELM等。 ， APSO-KELM具有良好的稳定性和收敛性，被证明是一种可靠有效的分类算法。
文件下载
评论信息
其他资源
- 基于verilog的数字频率计代码仿真和报告
- 永磁同步电机FOC控制MATLAB仿真模型
- 模糊综合评价matlab实现
- 拉普拉斯金字塔分解matlab源程序
- GAN、WGAN、WGAN-GP.rar
- 重机PM-1 3.20破解版
- MySQL5.5及其驱动连接jar包mysql-connector-java-5.1.19
- 泛微OA e-cology 8 最新webservice接口文档
- HarmonyOS开发必备基础知识1.0.pdf
- 数据结构（用面向对象方法与C++描述）》（第二版）答案
- swing界面的ERP开发框架（ErpFree）
- jsp网上购物系统 mysql java
- 可商用图像查看器 nomacs 3.17.2206 Beta 中文多语版.zip
- chrono：Java语言中的自然语言日期解析器-源码
- flash actionscript3游戏编程之AS3 PureMVC设计模式在AS中的应用例子_详解MVC的作用.zip
- C# 员工信息管理系统 GUI
- 基本opencv的粒子滤波目标跟踪
- JSP实验室设备管理系统
- spring-security结合spring boot超简单的例子
- php家教系统（php+mysql）
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
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