·524· 智能系统学报 第15卷 高且训练时间也较少。以Dermatology6数据集为 本的结果。在隐节点数大于训练样本时，初始时 例，初始的隐含层节点数为5，误差终止条件为 隐含层节点数较多，增加隐节点数对实验结果影 tempmean=-0.98。IOS-ELM算法的G-mean=0.96, 响较小。隐节点数过大也导致训练时间较多。 训练时间为0.0789s,分类准确率明显高于其他 表4给出了多类分类实验结果，证明IOS-ELM算 3种算法。表3给出了隐含层节点数大于训练样 法对多类分类实验也有很好的学习性能。 表2隐节点数大于训练样本数的二分类实验结果 Table 2 Two-class experimental results with the number of hidden nodes more than the number of training samples 训练样本几何 初始隐 初始训练 每次新增训练 数据集 算法 几何平均数 时间/s 平均数 节点数 样本数 样本数 IOSELM 0.9429 0.0656 0.98 200 WELM 0.8353 0.0231 200 IFELM-SMOTE 0.8973 1 Dermatology6 118.4179 0.98 200 OSELM-SMOTE 0.8391 0.0312 200 EWOSELM- 0.8537 0.4789 J 200 SMOTE IOSELM 0.8692 1.2625 0.86 400 WELM 0.7586 0.0707 一 400 1 Abalone9-18 IFELM-SMOTE 0.8498 477.3312 0.86 5 400 1 OSELM-SMOTE 0.8084 0.0367 400 EWOSELM- 0.7286 0.7195 400 SMOTE IOSELM 0.7043 0.4859 0.71 10 700 10 WELM 0.6796 0.0696 10 700 10 Yeastl IFELM-SMOTE 0.7021 104.2031 0.71 10 700 10 OSELM-SMOTE 0.6976 0.0251 10 700 10 EWOSELM- 0.7001 0.7391 10 700 10 SMOTE IOSELM 0.9954 0.0781 0.99 10 1000 10 WELM 0.9957 0.1212 10 1000 10 Shuttle-c0-vs-c4 IFELM-SMOTE 0.9949 4.8343 0.99 10 1000 10 OSELM-SMOTE 0.9966 0.0359 10 1000 10 EWOSELM- 0.9967 1.6296 10 1000 10 SMOTE IOSELM 0.9186 6.6843 0.95 10 1000 10 WELM 0.7618 0.2816 10 1000 10 Segment0 IFELM-SMOTE 0.8932 3425.3976 0.95 10 1000 10 OSELM-SMOTE 0.8652 0.0523 10 1000 10 EWOSELM- 0.8960 2.9703 10 1000 10 SMOTE Abalone19 IOSELM 0.7553 19.6476 0.75 10 2000 10 WELM 0.6672 1.2917 10 2000 10高且训练时间也较少。以 Dermatology6 数据集为 例，初始的隐含层节点数为 5，误差终止条件为 tempmean=0.98。IOS-ELM 算法的 G-mean=0.96， 训练时间为 0.078 9 s，分类准确率明显高于其他 3 种算法。表 3 给出了隐含层节点数大于训练样 本的结果。在隐节点数大于训练样本时，初始时 隐含层节点数较多，增加隐节点数对实验结果影 响较小。隐节点数过大也导致训练时间较多。 表 4 给出了多类分类实验结果，证明 IOS-ELM 算 法对多类分类实验也有很好的学习性能。 表 2 隐节点数大于训练样本数的二分类实验结果 Table 2 Two-class experimental results with the number of hidden nodes more than the number of training samples 数据集 算法 几何平均数 时间/s 训练样本几何 平均数 初始隐 节点数 初始训练 样本数 每次新增训练 样本数 Dermatology6 IOSELM 0.942 9 0.065 6 0.98 5 200 1 WELM 0.835 3 0.023 1 — 5 200 1 IFELM-SMOTE 0.897 3 118.417 9 0.98 5 200 1 OSELM-SMOTE 0.839 1 0.031 2 — 5 200 1 EWOSELM￾SMOTE 0.853 7 0.478 9 — 5 200 1 Abalone9-18 IOSELM 0.869 2 1.262 5 0.86 5 400 1 WELM 0.758 6 0.070 7 — 5 400 1 IFELM-SMOTE 0.849 8 477.331 2 0.86 5 400 1 OSELM-SMOTE 0.808 4 0.036 7 — 5 400 1 EWOSELM￾SMOTE 0.728 6 0.719 5 — 5 400 1 Yeast1 IOSELM 0.704 3 0.485 9 0.71 10 700 10 WELM 0.679 6 0.069 6 — 10 700 10 IFELM-SMOTE 0.702 1 104.203 1 0.71 10 700 10 OSELM-SMOTE 0.697 6 0.025 1 — 10 700 10 EWOSELM￾SMOTE 0.700 1 0.739 1 — 10 700 10 Shuttle-c0-vs-c4 IOSELM 0.995 4 0.078 1 0.99 10 1 000 10 WELM 0.995 7 0.121 2 — 10 1 000 10 IFELM-SMOTE 0.994 9 4.834 3 0.99 10 1 000 10 OSELM-SMOTE 0.996 6 0.035 9 — 10 1 000 10 EWOSELM￾SMOTE 0.996 7 1.629 6 — 10 1 000 10 Segment0 IOSELM 0.918 6 6.684 3 0.95 10 1 000 10 WELM 0.761 8 0.281 6 — 10 1 000 10 IFELM-SMOTE 0.893 2 3 425.397 6 0.95 10 1 000 10 OSELM-SMOTE 0.865 2 0.052 3 — 10 1 000 10 EWOSELM￾SMOTE 0.896 0 2.970 3 — 10 1 000 10 Abalone19 IOSELM 0.755 3 19.647 6 0.75 10 2 000 10 WELM 0.667 2 1.291 7 — 10 2 000 10 ·524· 智 能 系 统 学 报 第 15 卷