典型文献
改进的极小极大概率终端学习机
文献摘要：
极小极大概率机(Minimax Probability Machine,MPM)、极小极大概率终端学习机(Minimax Probability Extreme Learning Machine,MPELM)和孪生极小极大概率终端学习机(Twin MPELM,TM-PELM)在不对数据分布进行具体要求的情况下,可以为泛化误差提供明确的上界,同时使经验风险极小化.目前,MPM算法、MPELM算法和TMPELM算法主要是通过求解二阶锥规划模型的内点算法实现.本文利用支持向量机思想和凸二次规划的Wolfe对偶形式,对已有的MPM算法、MPELM算法和TM-PELM算法进行了改进,并提出了三个新算法.实验结果表明,本文所提算法是有效和可竞争的.
文献关键词：
终端学习机;极小极大概率机;极小极大概率终端学习机;孪生极小极大概率终端学习机;Wolfe对偶形式
中图分类号：
作者姓名：
李晓萌;代永潇;范丽亚
作者机构：
聊城大学 数学科学学院,山东 聊城 252059
文献出处：
引用格式：
[1]李晓萌;代永潇;范丽亚-.改进的极小极大概率终端学习机)[J].聊城大学学报（自然科学版）,2022(04):8-17,25
A类：
极小极大概率终端学习机,终端学习机,极小极大概率机,MPELM,孪生极小极大概率终端学习机,TMPELM
B类：
Minimax,Probability,Machine,MPM,Extreme,Learning,Twin,数据分布,具体要求,泛化误差,上界,极小化,二阶锥规划,规划模型,内点算法,算法实现,二次规划,Wolfe,对偶,新算法
AB值：
0.202888
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。
