[发明专利]一种基于ELM-HierarchicalClustering的离群点检测方法

权利要求书

1.一种基于ELM-Hierarchical Clustering的离群点检测方法，其特征在于：具体步骤如下：

(1)对于N个需要进行聚类的原始数据{x₁,x₂,…,x_N}(x_i∈Rⁿ)，其中x_i＝[x_i1,x_i2,…,x_in]∈Rⁿ，取定隐层神经元个数为L；

(2)生成随机数输入权向量w_i和偏置b_i。w_i和b_i是隐层神经元的学习参数，其中w_i＝[w_i1,w_i2,…,w_in]^T是第i个隐层神经元与输入神经元之间的权向量，b_i是第i个隐层神经元的偏差,w_i×x表示w_i和x在Rⁿ的内积；

(3)选择激活函数g(x)，如：sigmoid与threshold函数，G(w_i,b_i,x)是对应于输入x的第i个隐层神经元的输出,G(w_i,b_i,x)可以表示为：

G(w_i,b_i,x)＝g(w_i·x+b_i)，

当激活函数g(x)为RBF神经元时,G(w_i,b_i,x)可以表示为：

G(w_i,b_i,x)＝g(b_i||x-w_i||)，

其中w_i和b_i是第i个RBF神经元的中心和宽度因子,R+是所有正实数的集合；

(4)计算神经网络的隐层输出矩阵H，

H(w1,...,wL,b1,...,bL,x1,...,xN)=G(w1,b1,x1)...G(wL,bL,x1).........G(w1,b1,xN)...G(wL,bL,xN)N×L]]>

其中：H的第i列就是相对于输入x₁,x₂,…,x_N的第i个隐层神经元输出向量，且H的第j行就是相对于输入x_j的隐层权值输出向量；

(5)应用Hierarchical Clustering方法对H进行聚类分析；

(6)筛选离群点，丢弃远离其他簇的小簇。