暂无评论
为了提高遥感图像的分类精度,将遥感图像的相似性测度作为遥感图像的分类特征,运用极限学习机的快速收敛能力和泛化能力,提出一种基于相似性测度和极限学习机的遥感图像分类方法。选取分类精度和Kappa系数作为
采用基于小波包变换(WPT)和极限学习(ELM)的方法对轴承故障进行诊断和分类辨识。该方法首先采用小波包变换对采集到的振动信号进行分解,求得各频带的相对能量,并构建特征向量,接着利用极限学习机进行自动
摘要—极限学习机(ELM)是单隐藏层神经网络,并且比传统的神经网络具有更快的学习速度。 然而,内核ELM(KELM)由于其鲁棒性而越来越受到高光谱图像(HSI)分类的关注。 KELM中广泛使用的RBF
粒子群(PSO)优化的极限学学习机(ELM),用粒子群优化算法优化的极限学习机,可用于数据的回归和分类,实测比单纯的极限学习机精度高的多。
极限学习机在岩性识别中的应用.ELM的应用例子PDF论文
极限学习机(ELM)具有强大的非线性映射能力、良好的泛化性能和快速的收敛速度等特点,在故障检测系统中有广泛的应用。阐述了极限学习机的基本原理;结合文献分别介绍了传统极限学习机和三种新型极限学习机在不同
PSO-ELM粒子群优化的极限学习机,通过调节参数拟合效果很好,便于大家使用,为学者和科研人员提供基础和思路
具有-范数正则化的随机傅立叶极限学习机
针对在线贯序极限学习机(OS-ELM)算法隐含层输出不稳定、易产生奇异矩阵和在线贯序更新时没有考虑训练样本时效性的问题,提出一种基于核函数映射的正则化自适应遗忘因子(FFOS-RKELM)算法.该算法
为了快速而准确地判别煤矿突水水源类型,提出了一种构建多层正则极限学习机(M-RELM)模型的方法,该模型融合了非线性特征提取和分类学习。以激光诱导荧光(LIF)技术获取水样荧光光谱,作为模型的输入;以
暂无评论