狮群优化核极限学习机的分类算法AET-电子技术应用-最丰富的电子设计资源平台

狮群优化核极限学习机的分类算法
所属分类：技术论文
上传者：aetmagazine
文档大小：488 K
标签：核极限学习机狮群算法麻雀搜索算法
所需积分：0分积分不够怎么办？
文档介绍：在核极限学习机(Kernel Based Extreme Learning Machine，KELM)分类应用的基础上，结合狮群算法(Loin Swarm Optimization，LSO)强全局寻优能力与收敛快的特性，提出一种LSO优化KELM算法。将测试准确率作为LSO优化KELM的适应度函数，根据移动位置获取最优适应度值进行数据分类测试的评价标准。采用UCI数据集仿真测试，实验结果表明，较KELM分类，LSO优化KELM可获得更优的分类准确率；较麻雀搜索算法(Sparrow Search Algorithm，SSA)优化KELM，LSO优化KELM收敛速度快，分类性能更优。
现在下载
VIP会员，AET专家下载不扣分；重复下载不扣分，本人上传资源不扣分。

活动