论文部分内容阅读
极端学习机作为传统单隐层前馈神经网络(Single-Hidden Layer Feedforward Networks,SLFNs)的拓展在模式识别领域成为新的研究热点之一,然而已有的极端学习机算法及其改进不能较好地利用数据蕴含的判别信息。针对该问题,提出一种基于判别信息的正则极端学习机(Discriminative Information Regularized Extreme Learning Machine,IELM)。对于模式识别问题,IELM引入同类离散度和异类离散度的概念,体现输入空间数