基于流形正则化的在线半监督极限学习机

作     者：王萍 王迪 冯伟 WANG Ping;WANG Di;FENG Wei

作者机构：天津大学电气与自动化工程学院天津300072 

出 版 物：《上海交通大学学报》 (Journal of Shanghai Jiaotong University)

年 卷 期：2015年第49卷第8期

页      面：1153-1158,1167页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：2014年度公益性行业(气象)科研专项(GYHY201406004) 天津市面上基金项目(14JCYBJC21800)资助 

主　　题：极限学习机 半监督学习 在线学习 流形正则化 

摘      要：在基于流形正则化的半监督极限学习机(SS-ELM)的基础上,利用分块矩阵的运算法则,提出了在线半监督极限学习机(OSS-ELM)方法.为避免在实时学习的过程中由于数据累积引起的内存不足,通过对SS-ELM的目标函数的流形正则项的近似,给出了OSS-ELM的近似算法OSSELM(buffer).在Abalone数据集上的实验显示,OSS-ELM(buffer)在线学习的累计时间与所处理的样本个数呈线性关系,同时,9个公共数据集上的实验表明,OSS-ELM(buffer)的泛化能力与SS-ELM的泛化能力的相对偏差在1%以下.这些实验结果说明,OSS-ELM(buffer)不仅解决了内存问题,还在基本保持SS-ELM泛化能力的基础上大幅度提高了在线学习速度,可以有效应用于在线半监督学习当中.