注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. Elm_KElm.rar

  2. 1. 本文件包括ELM和KernelELM()算法的实现，在黄广斌教授础源码基础上做了简单修改，并对程序做出注释 2. elm.m ELM算法实现 elm_kernel.m KernelELM算法实现，注意使用不同kernel时，核参数个数可能不一样 3. test_elm.m elm()函数测脚本，有详细注释 test_elm_kernel elm_knenel()函数测试脚本，有详细注释 4. UCI_DataSet mat格式UCI数据集，包括了多个数据库 每个数据库中，一行为一个数据，

  3. 所属分类：其它

    • 发布日期：2015-05-29
    • 文件大小：2mb
    • 提供者：wllw7176

  1. Kernel-ELM

  3. 所属分类：其它

    • 发布日期：2016-05-08
    • 文件大小：2kb
    • 提供者：sinat_34925002

  1. 机器学习EM

  2. 机器学习，极限学习器，分类器，核函数，代码，预测，区分，

  3. 所属分类：机器学习

    • 发布日期：2018-02-05
    • 文件大小：3kb
    • 提供者：baidu_36115645

  1. elm-kernel

  2. 超限学习机elm核函数的应用代码，ELM(Extreme Learning Machine)是一种新型神经网络算法，最早由Huang于2004年提出【Extreme learning machine: a new learning scheme of feedforward neural networks】。 与SVM，传统神经网络相比，ELM的训练速度非常快，需要人工干扰较少，对于异质的数据集其泛化能力很强。 Huang在【Extreme learning machines: a surve

  3. 所属分类：机器学习

    • 发布日期：2019-03-21
    • 文件大小：8kb
    • 提供者：okok666

  1. 115157679elm_kernel.zip

  2. elm的改进版，极限学习机的算法改良，在极限学习机的基础上加上核函数，通过对比，使其性能更好。 加入自己的数据集后，可直接进行训练。

  3. 所属分类：机器学习

    • 发布日期：2019-12-20
    • 文件大小：448kb
    • 提供者：qq_41920323

  1. 极限学习机特征空间中的聚类

  2. 用于“通用”单隐藏层前馈网络（SLFN）的极限学习机（ELM）是可以使用广泛类型的功能映射的统一学习平台。 从理论上讲，ELM可以近似任何目标连续函数并分类任何不相交的区域。 在实际应用中，许多实验结果已经证明了ELM的良好性能。 鉴于ELM特征映射的良好特性，本文研究了使用ELM特征映射技术的聚类问题。 实验表明，与相应的基于Mercer核的方法和使用原始数据的传统算法相比，所提出的ELM kMeans算法和ELM NMF（非负矩阵分解）聚类方法可以获得更好的聚类结果。 此外，由于ELM特征映

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：672kb
    • 提供者：weixin_38621312

  1. 通过基于多视图核规范的二维PCA特征提取和内核ELM进行高光谱图像监督分类

  2. 在本文中，我们提出了一种新颖的灵活框架，用于使用基于核规范的2D PCA提取的多视图光谱空间特征进行高光谱图像（HSI）分类。 我们首先使用基于岭回归的多假设（MH）预测方法从HSI生成3D空间特征数组。 然后，我们将基于核范数的2D PCA应用于前特征阵列的多视图切片（具有空间宽度和光谱维度或具有空间高度和光谱维度的图像），从而可以为重建误差切片，并进一步提取空间光谱特征。 最后，将3D空间光谱特征数组用于表示基于径向基函数（RBF）核的极限学习机（ELM）进行分类的HSI。 最后，采用多数表

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：474kb
    • 提供者：weixin_38624914

  1. 基于核的半监督极限学习机及其在交通拥挤评价中的应用

  2. 事实证明，极限学习机（ELM）是广泛领域中一种有效的学习范例。 使用内核函数方法而不是隐藏层，KernelELM克服了由随机分配的权重引起的变化问题。 本文在半监督极限学习机（SSELM）中引入了基于核的优化，并通过实验对性能的改进进行了评估。 结果表明，通过内核功能的优化，KernelSSELM可以实现更高的分类精度和鲁棒性。 另外，内核SSELM用于在城市交通评估和预测系统中训练交通拥堵评估框架。

  3. 所属分类：其它

    • 发布日期：2021-03-03
    • 文件大小：714kb
    • 提供者：weixin_38711008

  1. 基于新型QPSO-KELM模型的电子鼻性能增强

  2. 提出了一种基于电子鼻（E-nose）技术的多分类细菌检测新方法，称为基于量子行为粒子群优化的核极限学习机（QPSO-KELM）。 在该实验中，从用于检测四种不同类型伤口（未感染和感染金黄色葡萄球菌，大肠杆菌和铜绿假单胞菌）的E鼻信号中提取出时域和频域特征。 此外，将KELM与现有的五种分类方法进行了比较：线性判别分析（LDA），二次判别分析（QDA），极限学习机（ELM），k最近邻（KNN）和支持向量机（SVM）。 同时，讨论了粒子群优化算法（PSO），遗传算法（GA）和网格搜索算法（GS）三种

  3. 所属分类：其它

  1. 改进式混合增量极限学习机算法

  2. 针对增量型极限学习机(I-ELM) 中存在大量降低学习效率及准确性的冗余节点的问题, 提出一种基于Delta 检验(DT) 和混沌优化算法(COA) 的改进式增量型核极限学习算法. 利用COA的全局搜索能力对I-ELM 中的隐含层节点参数进行寻优, 结合DT 算法检验模型输出误差, 确定有效的隐含层节点数量, 从而降低网络复杂程度, 提高算法的学习效率; 加入核函数可增强网络的在线预测能力. 仿真结果表明, 所提出的DCI-ELMK 算法具有较好的预测精度和泛化能力, 网络结构更为紧凑.

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：228kb
    • 提供者：weixin_38639642

  1. 基于核映射极限学习机的入口氮氧化物预测

  2. 针对在线贯序极限学习机(OS-ELM)算法隐含层输出不稳定、易产生奇异矩阵和在线贯序更新时没有考虑训练样本时效性的问题,提出一种基于核函数映射的正则化自适应遗忘因子(FFOS-RKELM)算法.该算法利用核函数代替隐含层,能够产生稳定的输出结果.在初始阶段加入正则化方法,通过构造非奇异矩阵提高模型的泛化能力;在贯序更新阶段,通过新到的数据自动更新遗忘因子.将FFOS-RKELM算法应用到混沌时间序列预测和入口氮氧化物时间序列预测中,相比于OS-ELM、FFOS-RELM、OS-RKELM算法,可

  3. 所属分类：其它