基于极限学习机与旋转森林相结合的栈式深度学习分类方法

来源 :江苏科技大学学报:自然科学版 | 被引量 : 0次 | 上传用户:mail1631987
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
大数据时代的到来导致简单机器学习所建立起来的单一模型往往不能充分挖掘大样本数据所承载的丰富信息,同时在学习能力上也略显不足.在此背景下,文中将旋转森林算法(rotation-forest,ROF)与极限学习机(extreme learning machine,ELM)相结合,构建一个基础神经元单元,然后通过栈式泛化原理进行逐层构建,形成一种快速保持源域空间特征的深度学习模型(D-R-ELM).D-R-ELM由多个基础神经元构成,这些基础神经元通过一种特殊的栈式构造方式,既保证了较好的学习能力,同时也减少了
其他文献
论述最小二乘法的原理及其在组合测量、线性回归等方面的应用。
目的:探讨肌苷对Tourette综合征的干预作用。方法:将90例Tourette综合征的患儿随机分为空白对照组、氟哌叮醇组和肌苷加氟哌叮醇组。每组30例。空白对照组予以安慰剂治疗;氟哌叮
目的;探讨重点中学和普通中学高三学生情绪及相关因素状况的差异。方法;采用自编社会人口学资料表、症状自评量表(Scl-90)、父母养育方式评价量表(EMBU)、及JNG氏抑郁自评量表(SDS)、
约30%~50%的脑卒中患者存在心理问题障碍[1]。经常可以见到焦虑、抑郁、攻击和情绪波动,每种情况均影响脑卒中患者后期的康复训练,从而影响患者躯体功能恢复和生活质量,因此对