科研之友
微信
新浪微博
Facebook
分享链接
摘要
演化算法和分析方法的结合是机器学习领域近几年的一个研究热点。研究如何将差分进化(DE)演化算法与基于超限学习机(ELM)的半监督分类算法相结合。首先,提出了一种基于DE和ELM的半监督分类方法(DE-ELM-SSC),该算法大致步骤为:采用多种差分进化策略对超限学习机输入权重和偏置参数进行优化,并根据均方根误差选出一个适合目标数据集的最优策略;将上一步选出的最优进化策略应用于DE算法,从而达到优化ELM网络参数的目的;为了构造半监督分类预测模型,采用Tri-training技术实现了三个改进ELM基分类器的协同训练。然后,采用非线性方法改进现有惯性策略方法,实现了缩放因子自适应调整,从而优化了DE-ELM-SSC算法,得到DE-ELM-SSC+算法。UCI标准数据集上的大量实验结果表明,DE-ELM-SSC+算法能根据数据集选择合适的进化策略,并自适应调整缩放因子,获得比Baseline方法更高的分类准确率。
