岭参数优化的ELM岭回归学习算法  

ELM Ridge Regression Learning Algorithm of Ridge Parameter Optimization

作　　者：王改堂[1] 李平[2] 苏成利[2] 

机构地区：[1]西北工业大学自动化学院,陕西西安710072 [2]辽宁石油化工大学信息与控制工程学院,辽宁抚顺113001

出　　处：《信息与控制》2011年第4期497-500,506,共5页Information and Control

基　　金：国家863计划资助项目(2007AA04Z162);辽宁省高等学校优秀人才支持计划资助项目(2008RC32);辽宁省高校创新团队支持计划资助项目(2007T103;2009T062);辽宁省教育厅科技计划资助项目(2008386)

摘　　要：针对ELM(extreme learning machine,极限学习机)学习算法可能存在的解的奇异问题,提出了岭参数优化的ELM岭回归学习算法(ELMRR).该算法利用岭回归方法代替原有的线性回归算法,以均方根误差为性能指标,采用粒子群优化算法确定最佳岭参数.为了验证该方法的有效性,对函数回归和分类问题进行仿真实验分析,结果表明该方法改善了ELM的预测性能且克服了传统岭回归算法岭参数难以确定的缺点.Extreme learning machine ridge regression（ELMRR） learning algorithm of ridge parameter optimization is proposed to solve the problem that oddity solution possibly exists in ELM learning algorithm.The algorithm makes use of ridge regression instead of the previous linear regression,and uses particle swarm optimization algorithm to optimize ridge parameter according to root mean square error（RMSE）.Simulation experiment is performed for analyzing function regression and classification,and the effectiveness of this method is validated.The experimental results show that the algorithm improves predictive performance of ELM and overcomes the main flaw that it is difficult to obtain the ridge parameter in traditional ridge regression.

关 键 词：极限学习机 岭回归 ELM岭回归 岭参数 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]