用于多分类的墨西哥帽小波核极限学习机
机器学习
2019-03-14 v1 人工智能
机器学习
摘要
核极限学习机(KELM)是一种新颖的前馈神经网络，广泛用于分类问题。它在某种程度上解决了ELM中存在的无效节点与较大计算复杂度问题。然而，传统KELM分类器在面对多分类问题时通常测试准确率较低。为解决上述问题，本文提出一种新的分类器——墨西哥帽小波KELM分类器。所提分类器成功提高了多分类问题中的训练准确率并减少了训练时间。此外，严格证明了墨西哥帽小波作为ELM核函数的有效性。在不同数据集上的实验结果表明，所提分类器的性能显著优于对比分类器。
引用
@article{arxiv.1902.07422,
title = {Mexican Hat Wavelet Kernel ELM for Multiclass Classification},
author = {Jie Wang and Yi-Fan Song and Tian-Lei Ma},
journal= {arXiv preprint arXiv:1902.07422},
year = {2019}
}
备注
Published by Computational Intelligence and Neuroscience, 8 pages, 1 figure, 13 tables