- 1、本文档共7页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
优化极限学习机的序列最小优化方法.pdf
No.6
第45卷第6期 西安交通大 学 学报 V01.45
7
XIAN
2011年6月 JOURNALOF JIAOTONGUNIVERSITYJun.2011
优化极限学习机的序列最小优化方法
丁晓剑,赵银亮
(西安交通大学电子与信息工程学院,710049,西安)
摘要:针对传统二次规划求解方法训练优化极限学习机(0MELM)存在速度慢和效率低的问题,
提出了单变量迭代序列最小优化(SSM0)算法.该算法通过在框式约束中优化拉格朗日乘子来实
现目标函数的最小化:首先在初始化拉格朗日乘子中选择使目标函数值下降最大的拉格朗日乘子,
将该拉格朗日乘子作为目标函数的唯一变量;然后求解目标函数的最小值并更新该变量的值;重复
结果表明:SSMO算法只需调节很少的参数值便可得到足够好的泛化性能;采用SSMO算法的
OMELM方法在泛化性能上要好于采用序列最小优化算法的支持向量机方法;在随机数据集测试
中,SSM0算法具有较好的鲁棒性.
关键词:极限学习机;支持向量机;序列最小优化
中图分类号:TPl81文献标志码:A文章编号:0253—987X(2011)06—0007—06
A uentialMinimal Methodfor
Seq Optimization
Extreme Machine
OptimizationLearning
DING
Xiaojian.ZHA0Yinliang
(SchoolofElectronicsandInformation 710049,Chim)
Engineering,Xi’anJiaotongUniversity,Xi’an
Abstract:A minimal iteratedwith variableis
sequentialoptimization(SSMO)algorithmsingle
tosolvetheslow andlow in method
proposed speed efficiencyproblemstrainingoptimization
basedextreme traditional solver.Theal—
learningmachine(OMELM)byquadraticprogramming
searchestheminimumvalueoftheectivefunction
gorithm obj byoptimizingLagrangemultipliers
thatcan in
withinboxconstraints.The maximumreductiontheob—
Lagrangemultipliergenerate
functionisselectedfromtheinitial asforthe variable
文档评论(0)