摘要

针对传统的多尺度核极端学习机对噪声敏感且计算量大的问题,提出一种适用于高斯噪声环境的多尺度核极端学习机。首先,利用最大相关熵准则代替多尺度核极端学习机中传统的最小均方差准则构造目标函数;其次,将1种按训练样本数随机生成尺度因子的多尺度化方法应用于高斯核函数;最后引入拉格朗日乘子法对目标函数进行求解,推导出基于最大相关熵准则的多尺度高斯核极端学习机。实验表明,该算法具有更高的学习效率,与传统多尺度核极端学习机相比,在3个UCI基准数据集上预测精度平均提升30.30%,在对水泥熟料f-CaO含量进行预测的应用实验中预测精度提升23.8%。