基于快速自编码的RELM的文本分类
【出 处】:
【作 者】:
周杭霞
;
叶佳骏
;
任欢
【摘 要】
正则化极限学习机RELM是一种单隐层前馈神经网络,不同于传统神经网络算法,RELM通过随机设置输入层权重和偏置值,可以快速求得输出层权重,并且引入正则化因子,能够提高模型的泛化能力。针对文本信息高维度、多类别的问题,提出一种基于快速自编码的正则化极限学习机FARELM。将由RELM改进后的快速自编码神经网络对样本进行无监督特征学习,并对特征提取后的数据使用RELM进行分类。实验表明,FA-RELM的学习速度和分类精度较优。
相关热词搜索: 文本分类 特征提取 自动编码器 正则化极限学习机 text classification feature extraction auto-encoder regularized extreme learning machine
上一篇:多维数据的Z-Ordering存储映射算法及其缓存调度优化
下一篇:一种用于片上网络布图规划的改进模拟退火与粒子群混合算法