作者：郭威; 徐涛; 于建江; 汤克明在线贯序超限学习机可变遗忘因子鲁棒性自适应性
摘要：该文针对时变离群值环境下的在线学习问题,提出一种基于M-estimator与可变遗忘因子的在线贯序超限学习机算法（VFF-M-OSELM）。VFF-M-OSELM以在线贯序超限学习机模型为基础,通过引入一种更加鲁棒的M-estimator代价函数来替代传统的最小二乘代价函数,以提高模型对于离群值的在线处理能力和鲁棒性。同时VFF-M-OSELM通过融合使用一种新的可变遗忘因子方法进一步增强了其在时变环境下的动态跟踪能力和自适应性。仿真实例验证了所提算法的有效性。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
