用于文本分类的混合自适应模糊极限学习机
信息检索
2018-05-18 v1 人工智能
计算与语言
机器学习
摘要
传统的ELM及其改进版本存在因过拟合导致的离群点或噪声问题，以及因数据分布导致的不平衡问题。我们提出一种新颖的混合自适应模糊ELM（HA-FELM），在传统ELM方法中引入模糊隶属度函数以处理上述问题。我们所定义的模糊隶属度函数不仅基于每个样本与类中心的距离，还基于基于量子谐振子模型的样本间密度。所提出的模糊隶属度函数克服了传统模糊隶属度函数的缺点，并能够根据不同样本的具体分布自适应调整。实验表明，所提出的HA-FELM在文本分类中能够比SVM、ELM和RELM产生更好的性能。
引用
@article{arxiv.1805.06524,
title = {Hybrid Adaptive Fuzzy Extreme Learning Machine for text classification},
author = {Ming Li and Peilun Xiao and Ju Zhang},
journal= {arXiv preprint arXiv:1805.06524},
year = {2018}
}
备注
2 pages