论文部分内容阅读
针对传统的基于最小均方误差准则(Minimum mean squared error,MMSE)构造的核极限学习机(Kernel extreme learning machine,KELM)对噪声敏感、容易出现过拟合现象的问题,提出利用最大相关熵准则(Maximum correntropy criterion,MCC)替代最小均方差准则构建核极限学习机.采用拉格朗日乘子法对最大相关熵准则下的目标函数进行求解,推导出适用于高斯噪声环境的核极限学习机(MCC-KELM)模型.UCI公用数据集和噪声数据集上的实