论文部分内容阅读
为提高极限学习机（Extreme Learning Machine, ELM）的分类性能，同时保留其训练速度快的优点，该文提出融合 ELM 的方法，详细分析了特征级融合及决策级融合两种实现方式。为实现决策级融合 ELM，提出概率极限学习机（Probabilistic ELM, PELM），将传统ELM的数值型输出转化为概率型输出，使得不同特征的判决结果统一在固定范围。在此基础上，采用自适应权值的方式实现决策级融合，该方法充分考虑了分类器针对不同特征的判决准确率差异，无需先验知识及主观定义。实验证明，该文提