基于变长度粒子群优化算法的极限学习机

摘要

一种基于变长度粒子群优化算法的极限学习机，包括步骤：(1)随机初始化粒子群位置和速度，粒子群中的每一个粒子表示一个ELM分类器；(2)计算每个粒子对于评价函数的适应值f(pi)；(3)比较各个粒子的行数与全局最优解的行数的大小关系，选择不同的更新公式对各个粒子的速度和位置进行更新，生成下一代粒子群；(4)最优隐元个数及相应的输入权重和隐元偏置；(5)计算输出权重，得到使得交叉验证精度最高的ELM分类器。利用变长度粒子群优化算法自动地选择隐元个数，同时选择相应的输入权重和隐元偏置，使ELM分类器的泛化性能最大化，能够以较少隐元个数的ELM分类器获得最大的泛化性能，测试所需时间短，效率高。