| 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?。?span>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