基于成员相似性的集成极端学习机.pdfVIP

JournalofComputerApplications ISSN 100l一9081 2014．．04．．10 计算机应用，2014，34(4)：1089—1093 C0DEN JYIIDU http：／／www．joca．en 文章编号 ：1001—9081(2014)04—1089—05 doi：10．11772／j．issn．1001-9081．2014．40．1089 基于成员相似性的集成极端学习机 叶松林 ’，韩 飞，赵敏汝 (江苏大学 计算机科学与通信工程学院，江苏镇江 212013) (}通信作者电子邮箱ys1198822@Gmail．COB) 摘 要：为了增大各成员间的差异度以改善集成系统的性能，提 出了一种基于成员间相似性选择的集成极端学 习机(ELM)。首先，筛选出分类性能较高的备选极端学习机 ；其次，根据成员间的相似性运用微粒群算法(PSO)进一 步选出最优的集成成员集合。通过选出相似度低的极端学习机来提高集成成员间差异度 ，从而有效提高集成系统的 分类能力。选出的成员学习机在不同的集成规则下都具有良好性能。在四个UCI数据集上的实验结果表明，与经典 的集成极端学习机相比，基于成员相似性选择的集成极端学习机具有更优的泛化性能和稳定性。 关键词：微粒群算法；集成极端学习机；成员相似性 ；极端学习机；泛化性能 中图分类号：TP183 文献标志码：A Ensembleextremelearningmachinebasedonmemberssimilarity YE Songlin ．HAN Fei．ZHAO Minru (SchoolofComputerScienceandCommunicationsEngineering，JiangsuUniversity，ZhenjiangJiangsu212013) Abstract：Toincreasethediversityamongtheselectedmemberstoenhancetheperformanceoftheensemblesystem，an ensembleExtremeLearningMachine(ELM)basedontheselectionofmemberssimilaritynamedEELMBSMSwasproposed． Firstly，somecandidateELMswithhighclassificationabilitywereselected．Then，ParticleSwamr Optimization(PSO) algorithmwasusedtoselecttheoptimalsubsetoftheensemblemembersaccordingtothesimilarityamongthemembers．The diversityoftheselectedmemberswasimprovedbyselectingthoseELMswithlow similarity，whichimprovedtheclassification performanceoftheensemblesystem effectively．Theselected ELMsobtained betterperformancewith differentintegration rules．TheexperimentalresuhsonfourUCIdatasetsverifythatEELMBSMShasbetterstabilityandbettergeneralizationthan someclassical ensembleextremelearningmachines． Keywords：ParticleSwarmOptimization(PSO)；ensembleExtremeLearn