【ELM分类】基于粒子群优化卷积神经网络CNN结合极限学习机ELM实现数据分类附matlab代码

该文提出了一种融合卷积神经网络(CNN)和极限学习机(ELM)的数据分类方法。利用CNN的特征提取能力,先训练CNN,然后替换最后一层为ELM进行分类。在CNN参数量大的情况下,通过粒子群算法优化提高识别精度。实验结果显示,这种方法在有限训练样本下能提升分类效果。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1 简介

卷积神经网络是一种较好的特征提取器,但却不是最佳的分类器,而极限学习机能够很好地进行分类,却不能学习复杂的特征,根据这两者的优点和缺点,将它们结合起来,提出一种新的数据分类方法。

考虑到卷积神经网络能够提取最优分类特征,而极限学习机训练速度快、训 练 精 度 高,本 文 提 出 将两者相结合的算法,并应用于数据分类。该方法的特点是:先利用训练样本训练卷积神经网络,训练好后,卷积网络的其他层参数保持不变,并将最后一层替换成极限 学 习 机,然后训练得到极限学习机的参数,相当于将卷积网络提取的特征作为极限学习机的输入,综合了卷积网络和极限学习机的优势。虽然卷积神经网络的权值共享结构减少了网络参数,但由于其复杂 的 多 层 结 构,仍有大量的参数需要训练。在训练样本数较少的情况下,识别效果往往不太好。本文在此基础上提出粒子群算法优化参数,从而提高识别精度。

2 部分代码

function [XV]=FnBringtoRangeLowUpIPSODL(XV,XV_lower, XV_upper)% dioperasikan untuk menandai yang nilainya kurang dari batas lowerXV_minus_XV_lower=XV-XV_lower;% dioperasikan untuk menandai yang nilainya lebih dari batas upperXV_minus_XV_upper=XV-XV_upper;% mendapatkan index yang nilainya kurang dari batas bawahidx_KurangDariLower=find(XV_minus_XV_lower<0);if(isempty(idx_KurangDariLower)) else    XV(idx_KurangDariLower)=XV_lower(idx_KurangDariLower);end% mendapatkan index yang nilainya lebih dari batas atasidx_LebihDariUpper=find(XV_minus_XV_upper>0);if(isempty(idx_LebihDariUpper)) else    XV(idx_LebihDariUpper)=XV_upper(idx_LebihDariUpper);end

3 仿真结果

4 参考文献

[1]周佳胤. 基于卷积神经网络与极限学习机的图像分类算法研究[D]. 广东工业大学.

博主简介:擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真,相关matlab代码问题可私信交流。

部分理论引用网络文献,若有侵权联系博主删除。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

matlab科研助手

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值