基于流形正则化的批量分层编码极限学习机

作者：刘彬; 杨有恒^*; 刘静; 王卫涛; 刘浩然; 闻岩

来源：计量学报, 2021, 42(07): 937-943.

• 计量学
• 极限学习机
• 高维数据
• 批次学习
• 无监督编码
• 流形正则化

针对极限学习机在处理高维数据时存在内存能耗大、分类准确率低、泛化性差等问题,提出了一种批量分层编码极限学习机算法。首先通过对数据集分批处理,以减小数据维度,降低输入复杂性;然后采用多层自动编码器结构对各批次数据进行无监督编码,以实现深层特征提取;最后利用流形正则化思想构建含有继承因子的流形分类器,以保持数据的完整性,提高算法的泛化性能。实验结果表明,该方法实现简单,在NORB,MNIST和USPS数据集上的分类准确率分别可以达到92.16%、99.35%和98.86%,与其它极限学习机算法对比,在降低计算复杂度和减少CPU内存消耗上具有较明显的优势。

• 单位
  燕山大学