摘要：该文针对时变离群值环境下的在线学习问题,提出一种基于M-estimator与可变遗忘因子的在线贯序超限学习机算法（VFF-M-OSELM）。VFF-M-OSELM以在线贯序超限学习机模型为基础,通过引入一种更加鲁棒的M-estimator代价函数来替代传统的最小二乘代价函数,以提高模型对于离群值的在线处理能力和鲁棒性。同时VFF-M-OSELM通过融合使用一种新的可变遗忘因子方法进一步增强了其在时变环境下的动态跟踪能力和自适应性。仿真实例验证了所提算法的有效性。

关键词：在线贯序超限学习机 可变遗忘因子 鲁棒性 自适应性 

单位：盐城师范学院信息工程学院; 盐城224002; 南京航空航天大学计算机科学与技术学院; 南京210016