摘要:針對極限學(xué)習機(Extreme Learning Machine,ELM)參數優(yōu)化問(wèn)題,提出改進(jìn)人工蜂群算法(Improvement Artificial bee colony, IABC)優(yōu)化ELM分類(lèi)模型。算法采用解更新策略池代替固定不變的更新策略,將鄰域搜索自適應化;優(yōu)化偵察蜂搜索方式,利用Kent映射產(chǎn)生均勻性更優(yōu)的初始隨機數序列。在分類(lèi)數據集中,將IABC-ELM分類(lèi)模型同ELM、PSO-ELM分類(lèi)模型進(jìn)行對比實(shí)驗。實(shí)驗中,IABC-ELM模型取得了最佳的分類(lèi)結果,得到了最低的輸出權重范數。結果表明,IABC-ELM模型分類(lèi)效果顯著(zhù)優(yōu)于對比模型,證實(shí)了IABC算法優(yōu)化ELM分類(lèi)模型的有效性和優(yōu)越性。