《表2 不同ELM参数优化方法识别准确率》
图7为正则化参数C和ELM核函数参数Q的优化过程,最终得到最优解C=112.60,Q=75.48。笔者采用文献[17]提出的PSO优化方法确定PSO参数。由表2可以看出:网格搜索优化方法5种步态的识别率在82.51%~89.17%之间,平均识别率为85.64%;而采用PSO优化后,除了下楼,其余步态的识别率均在90%以上,平均识别率达到了92.8%,但仍低于FA参数优化方法识别率;FA参数优化方法比PSO参数优化方法平均识别率提高了4.6%;网格法只对经验范围进行寻优,是一种局部寻优算法,所以识别率最低。FA参数优化方法能够更准确、更有效地找到正则化参数和ELM核参数的优化组合值,因此笔者采用FA优化ELM的分类方法。
图表编号 | XD00127563800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.01 |
作者 | 刘磊、陈增强、杨鹏、刘作军 |
绘制单位 | 郑州轻工业大学建筑环境工程学院、南开大学人工智能学院、南开大学人工智能学院、河北工业大学人工智能与数据科学学院、河北工业大学人工智能与数据科学学院 |
更多格式 | 高清、无水印(增值服务) |