%A 黄辉, 冯西安, 魏燕, 许驰, 陈慧灵 %T 基于增强核极限学习机的专业选择智能系统 %0 Journal Article %D 2018 %J 吉林大学学报(工学版) %R 10.13229/j.cnki.jdxbgxb20170307 %P 1224-1230 %V 48 %N 4 %U {http://xuebao.jlu.edu.cn/gxb/CN/abstract/article_13651.shtml} %8 2018-07-01 %X 基于粒子群优化(PSO)的增强型核极限学习机(KELM)提出了一种有效的预测模型PSO-KELM来辅助第二专业选择。在PSO-KELM 中,PSO策略确定KELM的最佳参数。PSO-KELM与其他两个竞争方法在学生专业选择数据上通过10折交叉验证方案进行比较,这两个方法分别是支持向量机和网格搜索技术优化的KELM。结果表明了本文预测模型在分类精度、受试者工作特征曲线面积(AUC)、灵敏度和特异性方面的优越性。