优化极限学习机及其在脑卒中TCD数据分类应用

来源：计算机工程与应用杂志2020年第10期北京时间：

作者：耿银凤，张雪英，李凤莲，胡风云，贾文辉，王超

单位：1.太原理工大学 信息与计算机学院，太原 030024；2.山西省人民医院 神经内科，太原 030012

摘要：为提高脑卒中经颅多普勒（Transcranial Doppler，TCD）数据分类的效率和准确率，应用蝙蝠算法（Bat Algorithm，BA）优化极限学习机（Extreme Learning Machine，ELM）模型进行脑卒中分类预测。在训练ELM模型时，隐含层输入权值矩阵和隐含层阈值矩阵元素产生的随机性影响了模型性能。为此，利用BA对ELM参数中的输入权值矩阵和隐含层阈值矩阵进行了优化，并用BA-ELM模型对实验所用的TCD数据集进行分类。实验结果表明，BA-ELM模型的分类准确率比ELM提高了22.77%，能有效进行脑卒中预测。

关键词：蝙蝠算法,极限学习机,经颅多普勒,脑卒中