改进的极小极大概率终端学习机
李晓萌
代永潇
范丽亚
聊城大学 数学科学学院,山东 聊城 252059
摘要：极小极大概率机(Minimax Probability Machine,MPM)、极小极大概率终端学习机(Minimax Probability Extreme Learning Machine,MPELM)和孪生极小极大概率终端学习机(Twin MPELM,TM-PELM)在不对数据分布进行具体要求的情况下,可以为泛化误差提供明确的上界,同时使经验风险极小化.目前,MPM算法、MPELM算法和TMPELM算法主要是通过求解二阶锥规划模型的内点算法实现.本文利用支持向量机思想和凸二次规划的Wolfe对偶形式,对已有的MPM算法、MPELM算法和TM-PELM算法进行了改进,并提出了三个新算法.实验结果表明,本文所提算法是有效和可竞争的.
关键词：终端学习机极小极大概率机极小极大概率终端学习机孪生极小极大概率终端学习机Wolfe对偶形式
分类号：TP391(计算技术、计算机技术)
资助基金：国家自然科学基金(11801248)山东省自然科学基金(ZR2018BF010)山东省自然科学基金(ZR2020MA026)
论文发表日期：2022-08-28
在线出版日期：2026-08-28（本平台首次上网日期，不代表文献的发表时间）
页数：11( 8-17,25 )
英文信息