摘要: 针对传统的批量学习算法学习速度慢、对空间需求量高的缺点,提出了一种基于簇的极限学习机的在线学习算法。该算法将分簇的理念融入到极限学习机中,并结合极限学习机,提出了一种基于样本类别和样本输出的分簇标准;同时提出了一种加权的Moore-Penrose算法求隐层节点与输出节点的连接权重。实验结果表明,该算法具有学习能力好、拟合度高、泛化性能好等优点。
张 敏,曾新苗,马长春. 一种基于簇的极限学习机的在线学习算法[J]. 计算机工程与应用, 2014, 50(11): 188-191.
ZHANG Min, ZENG Xinmiao, MA Changchun. Clustering_based and ELM_based online learning algorithm[J]. Computer Engineering and Applications, 2014, 50(11): 188-191.