[发明专利]一种无监督稀疏参数学习的超限学习机分类方法及系统有效
| 申请号： | 201810433265.9 | 申请日： | 2018-05-08 |
| 公开（公告）号： | CN108875933B | 公开（公告）日： | 2020-11-24 |
| 发明（设计）人： | 张咏珊;蔡之华;汪欣欣 | 申请（专利权）人： | 中国地质大学（武汉） |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08 |
| 代理公司： | 武汉知产时代知识产权代理有限公司 42238 | 代理人： | 郝明琴 |
| 地址： | 430000 湖*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种无监督稀疏参数学习的超限学习机分类方法及系统，所述方法包含：首先利用超限学习机稀疏自编码机来学习自编码机网络输出权值，获得稀疏网络输出参数，再将所述参数进行转置输入到超限学习机进行训练，得到超限学习机模型，获得数据的类标信息。通过实验对比，使用分类精度作为指标进行评价，本发明方法分类精度高，分类效果越好。本发明方法为超限学习机的无监督参数学习进行了补充，且能够广泛应用于不同的分类识别应用领域中，显著提高了超限学习机的分类效果，市场前景广大。 | ||
| 搜索关键词： | 一种 监督 稀疏 参数 学习 超限 学习机 分类 方法 系统 | ||
【主权项】：
1.一种无监督稀疏参数学习的超限学习机分类方法，其特征在于，包含以下步骤：S1：随机生成初始超限学习机稀疏自编码机网络输入参数，获取训练样本数据，对超限学习机稀疏自编码机的网络输出参数进行无监督参数学习，获得学习后的稀疏自编码机网络输出参数ω；S2：利用步骤S1中所述稀疏自编码机网络输出参数ω进行转置得到ωT作为超限学习机的网络输入参数，计算所述训练样本数据在超限学习机隐含层神经元中的特征映射，通过正则化最小二乘目标函数获得网络输出参数![]()
通过参数ωT，![]()
和![]()
构建无监督稀疏参数学习的超限学习机模型，模型表达式为![]()
其中，g(·)为激活函数，![]()
为超限学习机模型隐含层的输出矩阵，![]()
为隐含层阈值，![]()
为超限学习机网络输出参数，Y为输出的训练样本数据的类标信息。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国地质大学（武汉），未经中国地质大学（武汉）许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810433265.9/，转载请声明来源钻瓜专利网。
