《表3 Computer Hardware拟合结果对比》

  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

《改进人工蜂群优化的极限学习机》

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

实验过程中数据集中的数据被随机分为训练集和测试集，其中70%作为训练集，剩余30%作为测试集。为减少各个变量差异较大的影响，在算法运行前先对数据进行归一化处理，具有平均最优RMSE的实验结果被记录在表2~表5中。可以看出，DECABC-ELM在所有的数据集拟合实验中获得了最小的RMSE，但在Auto MPG和Computer Hardware中，DECABC-ELM的Std.Dev.却比其他算法差，即稳定性有待提升。从训练时间和隐层节点数上看，PSO-ELM和DEPSO-ELM收敛速度较快，且使用的隐含层节点数较少，但精度差于DECABC-ELM。综合考虑，DEABC-ELM的性能较为优越。