| 獅群優化核極限學習機的分類算法 | |
| 所屬分類:技術論文 | |
| 上傳者:aetmagazine | |
| 文檔大小:488 K | |
| 標簽: 核極限學習機 獅群算法 麻雀搜索算法 | |
| 所需積分:0分積分不夠怎么辦? | |
| 文檔介紹:在核極限學習機(Kernel Based Extreme Learning Machine,KELM)分類應用的基礎上,結合獅群算法(Loin Swarm Optimization,LSO)強全局尋優能力與收斂快的特性,提出一種LSO優化KELM算法。將測試準確率作為LSO優化KELM的適應度函數,根據移動位置獲取最優適應度值進行數據分類測試的評價標準。采用UCI數據集仿真測試,實驗結果表明,較KELM分類,LSO優化KELM可獲得更優的分類準確率;較麻雀搜索算法(Sparrow Search Algorithm,SSA)優化KELM,LSO優化KELM收斂速度快,分類性能更優。 | |
| 現在下載 | |
| VIP會員,AET專家下載不扣分;重復下載不扣分,本人上傳資源不扣分。 | |
Copyright ? 2005-2024 華北計算機系統工程研究所版權所有 京ICP備10017138號-2