基于最小p-范数的宽度学习系统

作者：郑云飞; 陈霸东^*

来源：模式识别与人工智能, 2019, 32(01): 51-57.

DOI：10.16451/j.cnki.issn1003-6059.201901007

• 宽度学习系统
• 最小p-范数
• 固定点迭代
• 脑电图分类

在宽度学习系统的基础上,以误差矢量的p-范数为损失函数,结合固定点迭代策略,提出基于最小p-范数的宽度学习系统.通过灵活设置p的取值(p≥1),提出的最小p-范数宽度学习系统能较好应对不同噪声的干扰,实现对不确定数据的建模任务.数值实验表明,在高斯、均匀、脉冲噪声干扰环境下,文中系统均能保持良好性能.将该系统应用于脑电图分类任务,在大多数被试上都能取得较高的分类精度.

• 单位
  西安交通大学