灵敏度正则化极限学习机及其在数字识别中的应用

来源 :计算机系统应用 | 被引量 : 6次 | 上传用户:kantstop
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对正则化极限学习机(RELM)中隐节点数影响分类准确性问题,提出一种灵敏度正则化极限学习机(SRELM)算法.首先根据隐含层激活函数的输出及其相对应的输出层权重系数,推导实际值与隐节点输出值残差相对于隐节点的灵敏度计算公式,然后根据不同隐节点的灵敏度进行排序,利用优化样本的分类准确率删减次要隐节点,从而有效提高SRELM的分类准确率.MNIST手写体数字库实验结果表明,相比于传统的SVM和RELM,SRELM方法的耗时与RELM相差不大,均明显低于SVM,SRELM对手写数字的识别准确率最高.
其他文献
近年来,K-SVD算法在功能磁共振成像(functional magnetic resonance imaging,f MRI)数据分析方法的研究中越来越受到关注.在本文中,提出了一种新的基于非负性约束K-SVD(Non-nega
大型油库区的地形不同于城市、山地等复杂的地形,虽然范围较大,但是油库区地形十分规整,油罐等建筑排列整齐,且在储油罐区的道路是笔直畅通的.根据这些特点,将标准的A~*寻路算
岩矿薄片图像中矿物颗粒的提取是岩矿薄片粒度分析、成分识别的基础,为了进一步提升矿物颗粒提取的准确性,提出一种新的矿物颗粒分割提取方法.该方法以相同视域、不同角度下的正交偏光序列图像为基础,对序列图像进行融合后,利用熵率超像素算法提取矿物颗粒目标.为了减少矿物颗粒的过分割现象,采用快速区域合并算法合并具有相似性的区域,最后,依据矿物颗粒在正交偏光下的变化规律对分割区域筛选,再次进行颗粒目标融合实现颗
通过均衡网络能量消耗和延长网络生命周期,以提高无线传感器网络的能量利用率,提出了在无线传感器网络动态成簇算法中对簇头节点进行网络编码的路由算法.在簇的建立阶段,采用
通过对用户进行模糊C均值聚类,使其以不同的隶属度隶属于不同聚类,解决了因硬聚类导致的推荐准确度低的问题,获得更加准确的聚类效果;针对推荐算法的隐私泄露问题,通过将Lapl
传统社区发现算法大多考虑因素单一,联系密切的友人间关注点可能差异较大,而关注点相同的用户却又可能不在一个朋友圈内.为此,提出了一种混合社区发现算法HCDA,它既考虑社区
为了限制应用软件的行为,Android系统设计了权限机制.然而对于用户授予的权限,Android应用软件却可以不受权限机制的约束,任意使用这些权限,造成潜在的权限滥用攻击.为检测应
访问控制在一个信息安全系统中是一个基础的课题. RBAC (基于角色的访问控制模型, Role-Based Access Control)以不同的角色来定义用户,这些角色对应了不同的密级.这使得不同角
传统的Web IM要求通信双方在浏览器中安装插件(如Adobe Flash Player),这不但降低了用户体验,还增加了开发者对插件开发、更新及维护的繁琐工作.此外,传统的Web IM主要采用了定
Storm计算框架具有为多源异构大数据提供高效、快速、实时处理的能力.然而因Storm默认的调度策略使用了简单的轮询方法,无法根据集群动态的负载状态调整其任务的分配.针对该