Indexed by：
Abstract：
隐层节点数是影响极端学习机( ELM)泛化性能的关键参数，针对传统的ELM隐层节点数确定算法中优化过程复杂、容易过学习或陷入局部最优的问题，提出结构风险最小化-极端学习机( SRM-ELM)算法。通过分析VC维与隐层节点数量之间的关联，对VC信任函数进行近似改进，使其为凹函数，并结合经验风险重构近似的SRM。在此基础上，将粒子群优化的位置值直接作为ELM的隐层节点数，利用粒子群算法最小化结构风险函数获得极端学习机的隐层节点数，作为最优节点数。使用6组UCI数据和胶囊缺陷数据进行仿真验证，结果表明，该算法能获得极端学习机的最优节点数，并具有更好的泛化能力。
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
计算机工程
ISSN： 1000-3428
CN： 31-1289/TP
Year： 2014
Issue： 9
Page： 215-219,224
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 2
Affiliated Colleges：
