基于极限学习机与旋转森林相结合的栈式深度学习分类方法 |
| |
引用本文: | 杜晓明,汤立,蔡李花,周塔.基于极限学习机与旋转森林相结合的栈式深度学习分类方法[J].江苏科技大学学报(社会科学版),2019,33(6). |
| |
作者姓名: | 杜晓明 汤立 蔡李花 周塔 |
| |
作者单位: | 江苏科技大学张家港校区,张家港215600;南水北调东线江苏水源有限责任公司,扬州225200 |
| |
基金项目: | 全国教育科学规划课题;江苏省高等学校自然科学研究项目 |
| |
摘 要: | 大数据时代的到来导致简单机器学习所建立起来的单一模型往往不能充分挖掘大样本数据所承载的丰富信息,同时在学习能力上也略显不足.在此背景下,文中将旋转森林算法(rotation-forest, ROF)与极限学习机(extreme learning machine, ELM)相结合,构建一个基础神经元单元,然后通过栈式泛化原理进行逐层构建,形成一种快速保持源域空间特征的深度学习模型(D-R-ELM).D-R-ELM由多个基础神经元构成,这些基础神经元通过一种特殊的栈式构造方式,既保证了较好的学习能力,同时也减少了训练成本.实验结果表明:D-R-ELM的深层结构模型,在大样本数据上相比于Adaboosting、Bagging、ELM、ROF和Rotboost传统分类器表现出更好的分类性能、稳定性与泛化性能.
|
关 键 词: | 旋转森林 极限学习机 深度学习 栈式泛化原理 大样本数据 |
本文献已被 CNKI 万方数据 等数据库收录! |
|