基于增量学习的混合RBF-ELM网络医学数据分类探析

金丹丹; 闻辉

doi:10.16379/j.cnki.issn.1004-4353.2024.03.002

延边大学学报（自然科学版） ›› 2024, Vol. 50 ›› Issue (03) : 56 -60. DOI: 10.16379/j.cnki.issn.1004-4353.2024.03.002

基于增量学习的混合RBF-ELM网络医学数据分类探析

金丹丹, 闻辉

作者信息 +

Author information +

文章历史 +

摘要

为提高传统学习算法的数据分类性能，提出了一种基于增量学习的混合RBF-ELM网络（IHRBF-ELM），并应用于医学数据分类.在网络结构的构建上，将RBF隐藏层与ELM隐藏层相级联，即在连接输入层与ELM隐藏层之间加入RBF映射层；在学习算法的实现上，先采用基于势函数聚类的增量学习算法，实现RBF隐藏层高斯核个数及核参数的自动优化估计，并在RBF核空间使用极限学习机优化算法，实现网络输出权值的优化.在不同的医学分类数据集上，通过对混合RBF-ELM网络算法与PFRBF、ELM、HRBF-BP算法进行对比，发现该算法的网络分类精度显著优于其他算法.研究结果对提高传统学习算法的数据分类能力具有参考价值.