1 内容介绍
极限学习机(extreme learning machine,ELM)作为一种新兴的机器学习方法,已经成为了一个热门的研究方向。 ELM 随机确定单隐含层网络的输入权值和隐含层节点偏置,通过简单计算即可解析得到输出权值,不仅加快了学习速度,而且具有很好的泛化能力。 核函数 ELM 将核函数引入到极限学习机理论中,可以得到最小平方优化解,解决了
ELM 算法随机初始化问题,对模型学习参数具有较好的鲁棒性,具有更稳定的、更好的泛化性能。
2 仿真代码
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,第1列为数据所属类别号
3 运行结果
4 参考文献
[1]王丽, 兰陟, 杨荣,等. 基于核函数极限学习机和小波包变换的EEG分类方法[J]. 北京生物医学工程, 2018, 37(5):8.
[2]王丽等. "基于核函数极限学习机和小波包变换的EEG分类方法.".
博主简介:擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真,相关matlab代码问题可私信交流。
部分理论引用网络文献,若有侵权联系博主删除。