基于改进乌鸦搜索算法的极限学习机分类方法.pdfVIP

第40卷第8期算机仿真2023年8月

文章编号：1006-9348(2023)08-0370-06

基于改进乌鸦搜索算法的极限学习机分类方法

霍闪闪12,苏

苏兵*，王章权？，孙萍？

（1.常州大学计算机与人工智能学院，江苏常州213164；

2.浙江树人大学信息科技学院，浙江杭州310015）

摘要：针对极限学习机（ELM）输入权重和阈值随机生成导致模型泛化性能低下的问题，提出一种改进的乌鸦搜索优化算法

训练ELM的方法，利用改进的乌鸦搜索算法优化ELM模型，通过生成最佳输人权重和阈值提高预测结果准确率，降低ELM

模型训练误差。为了评估所提算法的性能，在UCI经典分类数据集上进行实验验证。实验结果表明，改进算法与其它智能

优化算法相比，在50次运算中的标准差平均降低了62%，收敛速度平均提高了68%，表明所提算法具有更好的准确率、泛化

性能和收敛速度。

关键词：极限学习机；乌鸦搜索算法；莱维飞行搜索；多个体变因子加权学习；邻代维度交叉

中图分类号：TP183文献标识码：B

ExtremeLearningMachineClassificationAlgorithmBasedon

ImprovedCrowSearchAlgorithm

HUOShan-shan²2,SUBing*,WANGZhang-quan’,SUNPing

(1.SchoolofComputerandArtificialIntelligence,ChangzhouUniversity,ChangzhouJiangsu213164,China;

2.SchoolofInformationTechnology,ZhejiangShurenUniversity,HangzhouZhejiang310015,China)

ABSTRACT:Aimingattheproblemofthelowgeneralizationperformanceofthemodelcausedbytherandomgenera-

tionoftheinputweightandthethresholdoftheextremelearningmachine(ELM),animprovedmethodofcrow

searchoptimizationalgorithmtrainingELMisproposed.Theimprovedcrowsearchalgorithmisusedtooptimizethe

ELMmodel,andtheaccuracyofthepredictionresultsisenhancedbygeneratingthebestinputweightsandthresh-

olds,therebyreducingtheELMmodeltrainingerror.Inordertoevaluatetheperformanceoftheproposedalgorithm,

experimentalverificationwasperformedontheUCIclassicclassificationdataset.Theexperimentalresultsshowthat

comparedwithotherintelligentoptimizationalgorithms,thestandarddeviationin50operationsisreducedby6