论文研究基于主成分估计的极限学习机方法.pdf

极限学习机（ExtremeLearningMachine，ELM）是一种单隐层前馈神经网络（Single-hiddenLayerFeedforwardNeuralNetworks，SLFN），它相较于传统神经网络算法来说结构简单，具有较快的学习速度，以及良好的泛化性能等优点。由最小二乘法（LeastSquare，LE）计算得出的输出权值，往往由于设计矩阵为奇异矩阵，得到的权值有较大偏差，遇到有噪声的数据时，算法的鲁棒性无法保证。主成分估计是对最小二乘估计的一种改进算法，主成分估计能有效的改善设计矩阵奇异造成的影响，能有效的提高网络模型的鲁棒性和抗噪能力。提出了一种基于主成分估计的极限学习机方法（PC-ELM），实验结果表明，此方法能有效提高算法的