基于双隐层极限学习机的模糊XML文档分类

来源：计算机工程与应用杂志2017年第4期北京时间：

作者：赵 震1，2，马宗民1，张 富1，林晓庆1

单位：1.东北大学 计算机科学与工程学院，沈阳 110819；2.渤海大学 信息科学与技术学院，辽宁 锦州 121013

摘要：随着大数据时代的到来，对异构和分布式的模糊XML数据管理显得越来越重要。在模糊XML数据的管理中，模糊XML文档的分类是关键问题。针对模糊XML文档的分类，提出采用双隐层极限学习机模型来实现模糊XML文档自动分类。这个模型可以分为两个部分：第一层采用极限学习机提取模糊XML文档的相应特征，第二层利用核极限学习机根据这些特征进行最终的模糊XML文档分类。通过实验验证了所提方法的性能优势。首先对主要的调节参数包括隐藏层节点的数目[L]，常量[C]和核参数[γ]进行了研究，接下来的对比实验说明提出的基于双隐层ELM（Extreme Learning Machine）的方法相较于传统单隐层ELM以及SVM（Support Vector Machine）方法，分类精度得到较大提高，训练时间进一步缩减。

关键词：模糊,XML文档,分类,特征提取,极限学习机