论文部分内容阅读
相比径向基（RBF）神经网络，极限学习机（ELM）训练速度更快，泛化能力更强．同时，近邻传播聚类算法（AP）可以自动确定聚类个数．因此，文中提出融合AP聚类、多标签RBF（ML—RBF）和正则化ELM（RELM）的多标签学习模型（ML—AP—RBF—RELM）．首先，在该模型中输入层使用ML—RBF进行映射，且通过AP聚类算法自动确定每一类标签的聚类个数，计算隐层节点个数．然后，利用每类标签的聚类个数通过K均值聚类确定隐层节点RBF函数的中心．最后，通过RELM快速求解隐层到输出层的连接权值．实验表明，M