基于粒子群优化新型选择集成的鲁棒 OS-ELM
机器学习
2014-08-14 v1
摘要
本文提出了一种鲁棒在线序贯极限学习机 (ROS-ELM)。它基于原始的 OS-ELM，并引入了一个自适应选择集成框架。本文提出了两个新颖见解。首先，提出了一种称为粒子群优化选择集成 (PSOSEN) 的新型选择集成算法。值得注意的是，PSOSEN 是一种通用的选择集成方法，适用于任何学习算法，包括批量学习和在线学习。其次，设计了一种用于在线学习的自适应选择集成框架，以平衡算法的鲁棒性与复杂度。针对 UCI 数据集上的回归和分类问题进行了实验。OS-ELM、简单集成 OS-ELM (EOS-ELM) 与所提出的 ROS-ELM 之间的比较实证表明，ROS-ELM 显著提高了鲁棒性和稳定性。
引用
@article{arxiv.1408.2890,
title = {Robust OS-ELM with a novel selective ensemble based on particle swarm optimization},
author = {Yang Liu and Bo He and Diya Dong and Yue Shen and Tianhong Yan and Rui Nian and Amaury Lendase},
journal= {arXiv preprint arXiv:1408.2890},
year = {2014}
}
备注
Submitted to Mathematical Problems in Engineering