典型文献
双伪逆权值确定的极限学习机算法及其在乳腺肿瘤诊断中的应用
文献摘要：
针对传统极限学习机(ELM)算法随机确定输入层权值和隐含层偏置导致的隐含层神经元过多和性能不稳定等问题,提出双伪逆权值确定的极限学习机算法.该算法的输出权值随机确定,其输入权值通过伪逆计算得到,随后再次使用伪逆法确定输出权值,使得输入权值和输出权值都为最优;最后,采用生长法确定网络的隐含神经元个数.将改进后的算法应用于乳腺肿瘤分类识别,验证其诊断准确率.研究结果表明:与传统极限学习机算法相比,改进后算法的分类准确率得到提升,且当其达到最佳分类准确率时,所需隐含层神经元个数减少,算法的稳定性更优.本文所提算法在乳腺肿瘤辅助诊断模型中具有分类准确率高、假阴性率低的优点.
文献关键词：
极限学习机;权值确定;辅助诊断;乳腺肿瘤
中图分类号：
作者姓名：
龙求青;廖柏林;印煜民;代建华
作者机构：
吉首大学信息科学与工程学院,湖南吉首,416000;湖南师范大学信息科学与工程学院,湖南长沙,410081
文献出处：
引用格式：
[1]龙求青;廖柏林;印煜民;代建华-.双伪逆权值确定的极限学习机算法及其在乳腺肿瘤诊断中的应用)[J].中南大学学报（自然科学版）,2022(04):1291-1297
A类：
B类：
权值确定,极限学习机算法,乳腺肿瘤诊断,ELM,输入层,隐含层,偏置,伪逆法,长法,算法应用,肿瘤分类,分类识别,诊断准确率,分类准确率,达到最佳,辅助诊断,诊断模型,假阴性率
AB值：
0.247955
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。
