论文部分内容阅读
极速学习机（ExtremeLearning其Machine，ELM）以其训练速度快、易实现、泛化性能好等优点受到了广泛关注。然而在数据绝度较高的场景，数据中往往蕴含着较多冗余信息，而经典ELM尚未能很好地应对这个问题。此外，经典ELM也未能对标记数据的判别信息有效地加以融合利用。针对传统ELM方法的不足之处，提出一种权重随机正交的判别分析网络（O—ENDA）。在O—ENDA中，一方面对ELM输入层权重施加正交约束，这就降低了输入特征的冗余信息以减低过拟合的风险（尤其在小样本场景下）；另一方面将隐层特征与判