基于抽样方法的不确定极限学习机

来源期刊：东北大学学报(自然科学版)2015年第11期

论文作者：赵相国 毕鑫 张祯 喻鑫

文章页码：1539 - 1542

关键词：极限学习机;不确定;抽样;分类;

摘    要：实际应用中的大量数据具有不确定属性,而传统的挖掘算法无法直接应用在不确定数据集上.针对不确定数据的分类问题,提出一种基于抽样方法的不确定极限学习机.该算法通过抽样的方法,对不确定数据集中样本的抽样实例进行学习和分类,得到该不确定样本的所属类别的概率,从而实现了传统极限学习机分类算法对不确定数据的分类,并极大降低了不确定对象实例的枚举代价.实验结果表明,该算法在不确定数据的分类问题中具有较好的有效性和高效性.