基于邻域粗糙集的极速学习机算法  

Extreme-learning machine algorithm based on meighborhood rough sets

作　　者：鲍丽娜[1,2,3] 丁世飞[1,2,3] 许新征[1,2,3] 孙统风[1,2,3] 

机构地区：[1]中国矿业大学计算机科学与技术学院,江苏徐州221116 [2]中国科学院计算技术研究所 [3]智能信息处理重点实验室,北京100190

出　　处：《济南大学学报（自然科学版）》2015年第5期367-371,共5页Journal of University of Jinan(Science and Technology)

基　　金：国家自然科学基金(61379101);国家重点基础研究发展计划(2013CB329502);江苏省自然科学基金(BK20130209)

摘　　要：将基于单隐层前馈神经网络(SLFN)提出的极速学习机(ELM)算法和邻域粗糙集理论进行结合,提出基于邻域粗糙集的极速学习机算法,采用邻域粗糙集对样本集进行属性约简,去掉冗余属性,利用ELM对约简后的数据集进行学习,并对数据样本进行预测。实验表明ELM算法相比具有更高的训练精度和测试精度。The extreme-learning machine（ ELM） algorithm is a new learning algorithm for the single hidden layer feedforward neural networks（ SLFNs）. Combining neighborhood rough set theory with extreme-learning machine,we propose a new algorithm of extreme- learning machine based on neighborhood rough set theory. Firstly,attribute reduction is done using the neighborhood rough set theory,and then the reduced datasets are trained and predicted using ELM. Final experimental results demonstrate that the proposed algorithm has higher training accuracy and prediction accuracy compared with the traditional ELM.

关 键 词：邻域粗糙集 属性约简 极速学习机 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]