一种核增量型超限学习机、差分多种群灰狼混合优化方法

摘要

本发明属于数据分析技术领域，公开了一种核增量型超限学习机、差分多种群灰狼混合优化方法；针对核增量型超限学习机(KI‑ELM)存在学习效率较低及准确性差的冗余节点的问题；本发明首先利用差分进化算法和多种群灰狼优化算法，提出一种混合智能优化算法——差分多种群灰狼优化算法，对隐含层节点参数进行优化，确定有效的节点数量，以降低网络复杂度，提升网络的学习效率；其次将深度结构引入到核增量型超限学习机中，对输入数据进行逐层抽取，实现数据高维映射分类，提高算法的分类精度和泛化性能。仿真实验结果表明：本发明所提出的混合智能的深度核增量型超限学习机具有良好的预测精度和泛化能力，网络结构更为紧凑。