王石磊
- 作品数：1 被引量：2H指数：1
- 供职机构：中国计量学院信息工程学院更多>>
- 发文基金：浙江省自然科学基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 一种粒子群RELM的基因表达数据分类方法被引量：2
- 2015年
- 正则极限学习机(regularized extreme learning machine,RELM)具有比极限学习机(extreme learning machine,ELM)更好的泛化能力.然而RELM的输入层权值、隐含层偏差是随机给定的,会影响RELM的稳定性.另外,RELM为了获得较理想的分类精度,仍需设置较多的隐层节点.针对此问题,通过分析粒子群优化算法(particle swarm optimization,PSO)的原理,把RELM初始产生的输入层权值、隐含层偏差作为粒子带入PSO进行寻优.通过在Breast和Brain数据集上进行多次10折交叉验证表明,粒子群改进正则极限学习机(PSO-RELM)可以在隐层节点设置较少时获得比BP神经网络(back propagation,BP)、支持向量机(support vector machine,SVM)、RELM更好的分类精度和更佳的稳定性.
- 王石磊陆慧娟关伟余翠
- 关键词：粒子群
