%0 Journal Article %A 贺欢欢 %A 毛文涛 %A 赵中堂 %T 基于隐特征空间的极限学习机模型选择 %D 2013 %R 10.3724/SP.J.1087.2013.01600 %J 计算机应用 %P 1600-1603 %V 33 %N 06 %X 针对极限学习机(ELM)中冗余的隐神经元会削弱模型泛化能力的缺点,提出了一种基于隐特征空间的ELM模型选择算法。首先,为了寻找合适的ELM隐层,在ELM中添加正则项,该项为现有隐层空间到低维隐特征空间的映射函数矩阵的Frobenius范数;其次,为解决该非凸问题,采用交替优化的策略,并通过凸二次型优化学习该隐空间;最终自适应得到最优映射函数和ELM模型。分别采用UCI标准数据集和载荷识别工程数据对所提算法进行测试,结果表明,与经典ELM相比,该算法可有效提高预测精度和数值稳定性,与现有模型选择算法相比,该算法预测精度相当,但运行时间则大幅降低。 %U http://www.joca.cn/CN/10.3724/SP.J.1087.2013.01600