典型文献
狮群优化核极限学习机的分类算法
文献摘要：
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.
文献关键词：
核极限学习机;狮群算法;麻雀搜索算法
中图分类号：
作者姓名：
刘新建;孙中华
作者机构：
武汉烽火信息集成技术有限公司,湖北武汉430074
文献出处：
引用格式：
[1]刘新建;孙中华-.狮群优化核极限学习机的分类算法)[J].电子技术应用,2022(02):69-72
A类：
Loin
B类：
核极限学习机,分类算法,Kernel,Based,Extreme,Learning,Machine,KELM,狮群算法,Swarm,Optimization,LSO,全局寻优,寻优能力,适应度函数,位置获取,适应度值,数据分类,UCI,仿真测试,分类准确率,麻雀搜索算法,Sparrow,Search,Algorithm,SSA,收敛速度,分类性能
AB值：
0.387714
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。
