典型文献
加权子空间的随机向量函数链接网络集成方法
文献摘要：
随机向量函数链接网络(RVFL)是一种随机权网络模型,其基于非迭代权重更新方式,直接求解输出层权重完成模型训练,因此具有训练速度快的优点,已有的实验证明了其在分类和回归任务中均具有良好的泛化能力.目前在RVFL的改进工作中存在两点问题:改善网络结构会复杂化模型,容易造成过拟合现象;结合集成学习往往无法进一步通过增加集成多样性来提升模型性能.因此,本文基于子空间策略,提出了一种基于加权子空间的随机向量函数链接网络集成方法(WAB-RVFL).基于RVFL网络结构中输入层和输出层直连的线性特点,WAB-RVFL引入属性优化的思想并提出属性加权矩阵的概念,对属性子空间进行加权转化获得更优质的加权子空间,使其更利于模型进行集成训练.通过在8个高维分类数据集上的实验测试,证实了 WAB-RVFL的可行性、合理性和有效性,其能够获得比6种流行的RVFL网络模型更优的泛化能力.
文献关键词：
子空间策略;集成学习;泛化能力;粒子群优化;随机向量函数链接网络
中图分类号：
作者姓名：
叶璇;何玉林;张曼静;黄哲学
作者机构：
人工智能与数字经济广东省实验室(深圳),广东深圳518107;深圳大学计算机与软件学院,广东深圳518060
文献出处：
引用格式：
[1]叶璇;何玉林;张曼静;黄哲学-.加权子空间的随机向量函数链接网络集成方法)[J].西南师范大学学报（自然科学版）,2022(12):1-10
A类：
集成多样性,子空间策略
B类：
随机向量函数链接网络,网络集成,集成方法,RVFL,权重更新,更新方式,出层,成模,模型训练,训练速度,泛化能力,两点,过拟合,合集,集成学习,模型性能,WAB,输入层,属性优化,属性加权,加权矩阵,属性子空间,高维,分类数据,实验测试,粒子群优化
AB值：
0.257554
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
