期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
改进的超限学习机及其在不平衡数据中的应用 被引量:2
1
作者 李晗缦 王丽丹 段书凯 《西南大学学报(自然科学版)》 CAS CSCD 北大核心 2020年第6期140-148,共9页
超限学习机(ELM)作为一种简单高效的学习算法被广泛应用于分类和拟合问题中.但是ELM在训练过程中逼近所有的样本容易造成过拟合,并且单个的ELM在不平衡数据分类上效果欠佳.因此,本文提出了一种新的基于分层交叉验证的集成超限学习机,该... 超限学习机(ELM)作为一种简单高效的学习算法被广泛应用于分类和拟合问题中.但是ELM在训练过程中逼近所有的样本容易造成过拟合,并且单个的ELM在不平衡数据分类上效果欠佳.因此,本文提出了一种新的基于分层交叉验证的集成超限学习机,该算法在训练阶段将集成学习和分层交叉验证相结合:①集成学习通过将若干个网络组合大大提高分类性能;②分层交叉验证最大程度学习样本的分布特点.基于KEEL数据库的不平衡数据分类问题的实验表明,新提出的算法更加稳定并且有更高的分类性能. 展开更多
关键词 分层交叉验证 集成学习 超限学习机 不平衡数据分类
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部