基于Parzen窗估计的一类加权极限自编码器 |
| |
作者姓名: | 于化龙 徐克辉 席晓燕 |
| |
作者单位: | 江苏科技大学 计算机学院,镇江,212003;中国船舶重工集团有限公司 规划发展部,北京,100097 |
| |
基金项目: | 国家自然科学基金;国家自然科学基金;江苏省自然科学基金;中国博士后科学基金特别资助项目;中国博士后科学基金;江苏省博士后基金 |
| |
摘 要: | 针对传统的一类分类器分布适应性差、数据描述不够精确等问题,提出了基于Parzen窗估计的一类加权极限自编码器.该方法首先采用Parzen窗法对数据分布的全局概率密度进行估计,进而对样本进行个性化加权操作,并训练极限学习机,从而实现对样本分布的精确描述.特别地,极限学习机以自编码器的方式实现,并通过重构误差来确定样本类属.实验结果表明:与诸多传统方法相比,其不但具有更好的数据描述能力,而且兼具时间复杂度低的优点.
|
关 键 词: | 一类分类 极限学习机 Parzen窗 自编码器 加权 |
本文献已被 CNKI 万方数据 等数据库收录! |
|