极限学习机的快速留一交叉验证算法

摘要：

针对回归和分类问题，提出一种极限学习机(ExtremeLearningMachine，ELM)的快速留 一交叉验证算法，并从理论和数值仿真两方面说明其有效性，留一交叉验证已经被证明能够给出统 计模型真实泛化性能的几乎无偏估计，进而为模型的选择和比较提供了一种可靠的标准，然而，由 于其计算复杂性太高，很难应用到大规模数据集问题中，故一种针对ELM的快速留一交叉验证算 法被提出，该算法避免显式地进行了以训练样本数量N的ELM模型训练，其计算复杂性是关于 N呈线性趋势增长，即0(N)．即使在处理大型数据集建模问题时，该算法仍然可以快速地进行 ELM模型的选择和评价，通过人工和实际数据集上的仿真实验，验证了该快速留一交叉验证算法 的性能．

关键词： 极限学习机 留一法 交叉验证 计算复杂性

作者: 刘学艺 李平 郜传厚

作者单位: 浙江大学 航空航天学院,杭州 310027 浙江大学 航空航天学院,杭州 310027;浙江大学 工业控制研究所,杭州 310027 浙江大学 数学系,杭州 310027

会议类型: 国内会议

会议名称: 第二十二届中国过程控制会议

会议地点: 南京

会议语种:中文

页码: 1257-1262

在线出版日期: 1900-01-01（万方平台首次上网日期，不代表论文的发表时间）