[发明专利]一种基于引入隐藏信息极限学习机算法的智能分类方法

权利要求书

1.一种基于引入隐藏信息极限学习机算法的智能分类方法，其特征在于，包括以下步骤：

S1：在LUPI框架下，向训练样本中引入隐藏信息，构造新的训练样本；

S2：根据ELM原理，将引入隐藏信息的新的训练样本代入ELM算法公式，得出引入隐藏信息后的ELM+的表达式，所述ELM+的表达式为最优化方程式；

S3：利用拉格朗日乘子法求解步骤S2所述的最优化方程式得到最优解，即ELM+的输出方程；

S4：将所述ELM+的输出方程代入基本二分类及多分类问题决策方程，得出利用ELM+解决二分类问题时以及解决多分类问题时的决策方程；

S5：将待预测样本代入所述决策方程，输出类别标签，进行分类。

2.根据权利要求1所述的智能分类方法，其特征在于，所述步骤S1的具体过程为：在LUPI框架中，训练样本(x,y)引入隐藏信息x^*∈X^*后记作(x,x^*,y)。

3.根据权利要求2所述的智能分类方法，其特征在于，所述步骤S2的具体过程为：根据ELM原理，得出引入隐藏信息后的ELM+的表达式如下：

Minimize(最小化量):

Subject to(约束方程):

其中L_ELM+为待优化最小化量，β为极限学习机的输出权值，μ为隐藏信息和原始特征的调节权值，C为误分类的惩罚因子，t_i为第i个样本所对应的标签，h(x_i)为第i个样本经过隐层函数映射后得到的隐层输出；是隐藏信息x^*所对应的隐层修正函数，为第i个样本所对应的隐藏信息经过隐层函数映射后得到的隐层输出，β^*为其所对应的隐层修正权值。

4.根据权利要求3所述的智能分类方法，其特征在于，所述步骤S3的具体过程为：利用拉格朗日乘子法求解所述最优化方程式得到最优解，得出ELM+的输出方程，求解过程及输出方程如下：

其中α_i≥0为拉格朗日因子；函数L的极值应满足条件

根据式(1)～(4)可求得

其中，H为所有样本的整体隐层输出矩阵，I为单位矩阵，T为所有样本标签构成的向量，H*：所有样本对应的隐藏信息经过隐层函数映射得到的整体隐层输出矩阵，是矩阵H^T的广义逆；ELM+的输出方程可以写为下式

5.根据权利要求4所述的智能分类方法，其特征在于，所述步骤S4的具体过程为：将步骤S3得出的ELM+输出方程，代入基本二分类及多分类决策方程，即可得出利用ELM+解决二分类问题时，其决策方程为：

解决多分类问题时，其决策方程为：