文件名称：论文研究-基于双隐层极限学习机的模糊XML文档分类.pdf
文件大小：8.08MB
文件格式：PDF
更新时间：2022-09-27 07:36:52
论文研究
随着大数据时代的到来，对异构和分布式的模糊XML数据管理显得越来越重要。在模糊XML数据的管理中，模糊XML文档的分类是关键问题。针对模糊XML文档的分类，提出采用双隐层极限学习机模型来实现模糊XML文档自动分类。这个模型可以分为两个部分：第一层采用极限学习机提取模糊XML文档的相应特征，第二层利用核极限学习机根据这些特征进行最终的模糊XML文档分类。通过实验验证了所提方法的性能优势。首先对主要的调节参数包括隐藏层节点的数目[L]，常量[C]和核参数[γ]进行了研究，接下来的对比实验说明提出的基于双隐层ELM（Extreme Learning Machine）的方法相较于传统单隐层ELM以及SVM（Support Vector Machine）方法，分类精度得到较大提高，训练时间进一步缩减。