針對極端學(xué)習(xí)機(jī)（ELM）網(wǎng)絡(luò)規(guī)?？刂茊栴}，從剪枝思路出發(fā)，提出了一種基于影響度剪枝的ELM分類算法。利用ELM網(wǎng)絡(luò)單個(gè)隱節(jié)點(diǎn)連接輸入層和輸出層的權(quán)值向量、該隱節(jié)點(diǎn)的輸出、初始隱節(jié)點(diǎn)個(gè)數(shù)以及訓(xùn)練樣本個(gè)數(shù)，定義單個(gè)隱節(jié)點(diǎn)相對于整個(gè)網(wǎng)絡(luò)學(xué)習(xí)的影響度，根據(jù)影響度判斷隱節(jié)點(diǎn)的重要性并將其排序，采用與ELM網(wǎng)絡(luò)規(guī)模相匹配的剪枝步長刪除冗余節(jié)點(diǎn)，最后更新隱含層與輸入層和輸出層連接的權(quán)值向量。通過對多個(gè)UCI機(jī)器學(xué)習(xí)數(shù)據(jù)集進(jìn)行分類實(shí)驗(yàn)，并將提出的算法與EMELM、PELM和ELM算法相比較，結(jié)果表明，該算法具有較高的穩(wěn)定性和測試精度，訓(xùn)練速度較快，并能有效地控制網(wǎng)絡(luò)規(guī)模。
?