基于多输出极限学习机的快速一致性分类器.PDFVIP

第xx卷 第x期 控 制 与 决 策 Vol.xx No.x xxxx年 x 月 Control and Decision xxx. xxxx DOI: 10.13195/j.kzyjc.2017.1172 基于多输出极限学习机的快速一致性分类器 王迪 , 王萍 , 石君志 (1. 天津大学电气自动化与信息工程学院，天津300072) 摘 要: 一致性分类器是建立在一致性预测基础上的分类器，其输出结果具有很高的可靠性，但由于计算框架 的限制，学习的时间往往较长。为加快学习速度，本文首次将一致性预测与多输出极限学习机相结合，提出了 基于两者的快速一致性分类算法。该算法利用了极限学习机能够快速计算样本标签的留一交叉估计的特性，极 大地加快了学习速度。算法复杂度分析表明，本文算法的计算复杂度与多输出极限学习机的算法复杂度相同。 在十个公共数据集的对比实验表明，本文算法具有极快的计算速度。不仅如此，本文算法还继承了一致性预测 的可靠性特征，即预测的错误率能够被显著性水平参数所控制。同时，算法的平均预测标签个数在某些数据集 上与其他常用一致性分类器相比更少，预测结果更有效。 关键词: 一致性预测；刀切法一致性预测；一致性分类器；神经网络；多输出极限学习机；快速学习 中图分类号: TP273 文献标志码: A A fast conformal classifier based on multi-output extreme learning machine Wang Di , Wang Ping , Shi Jun-zhi (1. School of Electrical and Information Engineering，Tianjin University ，Tianjin 300072 ，China) Abstract: Conformal classifier is the conformal prediction based on classifiers. Although the prediction is highly valid, the learning time of conformal classifiers is often very long due to the limitation of the computational framework. To make the conformal classifier learn faster, this paper first proposes an algorithm combining the conformal prediction with the multi-output extreme learning machine whose leave-one-out predictions on the training set can be computed efficiently. From the point of view of algorithm complexity, the computational complexity of our algorithm is equivalent to that of the multi-output extreme learning machine. The experiments on ten public data sets showed that our algorithm has fast computation speed and inherits the