用于高效在线序贯分类的 AdaBoost 辅助极限学习机
机器学习
2019-09-17 v1 机器学习
摘要
本文提出一种用于高效在线序贯分类的 AdaBoost 辅助极限学习机（AOS-ELM）。为在在线序贯学习场景中取得更好精度，我们利用了代价敏感算法 AdaBoost 以使弱分类器多样化，并加入遗忘机制以稳定训练过程中的性能。因此，与其他基于投票的方法相比，AOS-ELM 能更好地适应顺序到达的数据。实验结果表明，AOS-ELM 在 MNIST 数据集上可达到 94.41% 的准确率，这是由原始批量学习算法 AdaBoost-ELM 所达到的理论准确率上界。此外，借助遗忘机制，在线序贯学习过程中的准确率标准差降低至 8.26 倍。
引用
@article{arxiv.1909.07115,
title = {AdaBoost-assisted Extreme Learning Machine for Efficient Online Sequential Classification},
author = {Yi-Ta Chen and Yu-Chuan Chuang and An-Yeu and Wu},
journal= {arXiv preprint arXiv:1909.07115},
year = {2019}
}