文件名称：论文研究-极限学习机的分类器集成模型研究.pdf
文件大小：570KB
文件格式：PDF
更新时间：2022-10-02 03:55:27
论文研究
将极限学习机算法与旋转森林算法相结合，提出了以ELM算法为基分类器并以旋转森林算法为框架的RF-ELM集成学习模型。在8个数据集上进行了3组预测实验，根据实验结果讨论了ELM算法中隐含层神经元个数对预测结果的影响以及单个ELM模型预测结果不稳定的缺陷；将RF-ELM模型与单ELM模型和基于Bagging算法集成的ELM模型相比较，由稳定性和预测精度的两组对比实验的实验结果表明，对ELM的集成学习可以有效地提高ELM模型的性能，且RF-ELM模型较其他两个模型具有更好的稳定性和更高的准确率，验证了RF-ELM是一种有效的ELM集成学习模型。