进化贝叶斯优化的核极限学习机分类器

作     者：张梦蝶 覃华 苏一丹 ZHANG Meng-die;QIN Hua;SU Yi-dan

作者机构：广西大学计算机与电子信息学院广西南宁530004 

基　　金：国家自然科学基金项目(51667004、61762009) 

出 版 物：《计算机工程与设计》 (Computer Engineering and Design)

年 卷 期：2022年第43卷第2期

页      码：399-405页

摘      要：为解决传统核极限学习机算法参数优化困难的问题,提高分类准确度,提出一种改进贝叶斯优化的核极限学习机算法。用樽海鞘群设计贝叶斯优化框架中获取函数的下置信界策略,提高算法的局部搜索能力和寻优能力;用这种改进的贝叶斯优化算法对核极限学习机的参数进行寻优,用最优参数构造核极限学习机分类器。在UCI真实数据集上进行仿真实验,实验结果表明,相比传统贝叶斯优化算法,所提算法能提升核极限学习机的分类精度,相较其它优化算法,所提算法可行有效。

主 题 词：核极限学习机 核参数 贝叶斯优化 进化下置信界策略 分类精度 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.16208/j.issn1000-7024.2022.02.014

馆 藏 号：203107723...