基于SVM技术的精简极速学习机 (2014年)

针对极速学习机（ELM）性能过分依赖于隐层节点稠密的单隐层前馈神经网络（SLFN）问题，提出了适用于多类分类的精简型ELM，即SVM-ELM（基于支持向量机优化的ELM）.该方法大幅削减隐层节点数为类别数，同时通过SVM技术优化每个节点的线性决策函数，显著提高单个节点的决策水平，为ELM的宏观决策提供有利条件．在HCL2000，MNIST和USPS等公共数据集上的实验表明：该方法能够减少节点数目而不损害学习精度，当类别数为10时，基于SVM-ELM方法构造的10节点SLFN泛化性能即可超越基于原始ELM方