針對單核極限學(xué)習(xí)機在泛化性能上存在一定局限性的問題,提出將再生核函數(shù)與多項式核函數(shù)相結(jié)合,建立一種新的組合核極限學(xué)習(xí)機模型,使其具有全局核與局部核的優(yōu)點,并選擇布谷鳥搜索算法對其參數(shù)進行優(yōu)化選擇.仿真實驗結(jié)果表明,采用基于再生核的組合核函數(shù)作為極限學(xué)習(xí)機的核函數(shù)可行,在實驗數(shù)據(jù)集的多值分類和回歸問題上,與傳統(tǒng)支持向量機及單核極限學(xué)習(xí)機相比,該模型具有更好的泛化性能. 

【文章來源】：吉林大學(xué)學(xué)報(理學(xué)版). 2019,57(05)北大核心

【文章頁數(shù)】：8 頁

【部分圖文】：

圖２局部核和全局核函數(shù)圖像的對比Ｆｉｇ．２Ｃｏｍｐａｒｉｓｏｎｂｅｔｗｅｅｎｌｏｃａｌｋｅｒｎｅｌａｎｄｇｌｏｂａｌｋｅｒｎｅｌｆｕｎｃｔｉｏｎｉｍａｇｅｓ

ｎｉｃａ），每類５０個數(shù)據(jù)．為方便訓(xùn)練，將３類分別編號為１，２，３．每個數(shù)據(jù)包含４個屬性，可通過花萼長度、花萼寬度、花瓣長度、花瓣寬度４個屬性預(yù)測ｉｒｉｓ屬于Ｓｅｔｏｓａ，Ｖｅｒｓｉｃｏｌｏｕｒ，Ｖｉｒｇｉｎｉｃａ三個種類中的哪一類．圖４為本文混合核函數(shù)模型在ｉｒｉｓ數(shù)據(jù)集上的分類界面，其中（Ａ），（Ｂ），（Ｃ）分別對比ｉｒｉｓ中的２類數(shù)據(jù)，（Ｄ）為其最終結(jié)果．測試數(shù)據(jù)列于表２．圖４ＣＳ－ＭＫＥＬＭ模型在ｉｒｉｓ數(shù)據(jù)集上的分類界面Ｆｉｇ．４ＣｌａｓｓｉｆｉｃａｔｉｏｎｉｎｔｅｒｆａｃｅｏｆＣＳ－ＭＫＥＬＭｍｏｄｅｌｏｎｉｒｉｓｄａｔａｓｅｔ０９１１吉林大學(xué)學(xué)報（理學(xué)版）第５７卷

【參考文獻】：
期刊論文
[1]基于改進布谷鳥搜索算法的工程設(shè)計優(yōu)化[J]. 王慶喜,趙珊.  黑龍江大學(xué)自然科學(xué)學(xué)報. 2017(02)
[2]組合核支持向量機的模式分析新方法[J]. 徐立祥,李旭,呂皖麗,羅斌.  計算機工程與應(yīng)用. 2013(24)



本文編號：3566794