作者：苏一丹; 李若愚; 覃华; 陈琴核极限学习机核参数旆值法
摘要：针对核极限学习机高斯核函数参数选优难，影响学习机训练收敛速度和分类精度的问题，该文提出一种尉岙值单纯形法的核极限学习机算法。把核极限学习机的训练看作一个无约束优化问题，在训练迭代过程中，用Nelder—Mead单纯形法搜索高斯核函数的最优核参数，提高所提算法的分类精度。引入旆值为Nelder—Mead单纯形法提供合适的初值，减少单纯形法的迭代次数，提高了新算法的训练收敛效率。通过在UCI数据集上的仿真实验并与其它算法比较，新算法具有更快的收敛速度和更高的分类精度。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
