《表1 BP、SVM和PSO-ELM实验20次平均准确率》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于粒子群优化算法的最优极限学习机》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本文将digits手写数字数据集按3:1的比例分割成训练集和测试集分别用来训练和测试BP网络模型、SVM模型、wbPSO-ELM和PSO-ELM模型。实验设置了BP网络模型的学习率为0.1，最大迭代次数为30 000次，训练完成后的BP网络模型预测的最高准确率为0.975。SVM模型采用python第三方模块sklearn中的LinearSVC方法，训练后模型的测试准确率为0.953。对于PSO-ELM模型设置粒子群大小为10，最大迭代次数1 000，粒子惯性权重u=0.6，学习因子c1=c2=2，在（0，1）之间随机初始化r1、r2，粒子维度为1，解空间范围限定在[1，1000]。实验分别用测试集对训练后的BP、SVM和PSO-ELM模型进行了20次测试，平均准确率见表1。实验结果表明，本文提出的PSO-ELM模型相对于BP网模型和SVM模型拥有较高的准确率。