[发明专利]一种基于DPSO-WKELM-IFSVM的非线性数据分类方法

权利要求书

1.本发明一种基于DPSO-WKELM-IFSVM的非线性数据分类方法，其特征在于：(1)更新样本数据收敛位置及速度；(2)求得网络输出权值；(3)构造核函数；(4)求学习机核变换函数；(5)样本隶属度函数构建；(6)构造决策函数；具体包括以下六个步骤：

步骤一：更新样本数据收敛位置及速度

式中，表示样本的位置属性，表示速度向量，k表示迭代次数，d表示搜索空间维度，i表示粒子实例，c_s1,c_s2表示学习因子，为[0,1]内的随机数，描述样本个体和周围紧密度大小，T_target取可行域内的值；

步骤二：训练网络输出T_i：

式中，g(x)表示模型激活函数，L表示隐藏层节点数，w_i＝[w₁,w₁,...w_N]为神经元权值向量，β_i＝[β₁,β₂...β_m]为隐藏层和输出层链接权值，b_i＝[b₁,b₂...b_m]^T为隐藏节点偏置；

步骤三：构造核函数Ω_ELM：

式中，α为伸缩因子，F(x_i,x)大于等于0；

步骤四：构建学习机核变换函数

式中，C是惩罚参数，Ω_ELM隐含层输出矩阵的内积；

步骤五：构建样本隶属度函数

式中，表示样本到类中心的距离；δ表示引如用于保证隶属度为正的正数，表示样本周围的密度函数，有距离范数获得，α为权值，用于均衡类中心与样本密度重要性；

步骤六：构造决策函数f(x)^{DPSO-WKELM-IFSVM}

式中,K是非线性映射的核函数，表示训练的第i个样本及其标签，b用对偶方式获得的分类平面的截距。