[发明专利]一种基于遗传优化和核极限学习机的分类方法及装置

权利要求书

1.一种基于遗传优化和核极限学习机的分类方法，其特征在于，包括：

将样本图片库中的图片输入到递归最小二乘法核极限学习机中；

获得所述递归最小二乘法核极限学习机在多组不同的正则化系数与核函数参数下对所述样本图片库中的图片进行分类的分类精度，其中，一组正则化系数与核函数参数对应一个分类精度，所述递归最小二乘法核极限学习机对所述样本图片库中的图片的分类结果包括预设数量的用户喜爱等级；

基于遗传算法对所述正则化系数与核函数参数进行优化，得到最优的正则化系数与核函数参数，其中，任一组正则化系数与核函数参数对应的分类精度为遗传算法中的适应度值；

将所述最优的正则化系数与核函数参数的值输入到所述递归最小二乘法核极限学习机中，以将待分类图片库中的图片进行分类；

将图片按照对应的用户喜爱等级由高到低推荐至用户；

基于遗传算法对所述正则化系数与核函数参数进行优化，得到最优的正则化系数与核函数参数，包括：

将多组不同的正则化系数与核函数参数作为遗传算法中种群的个体，所有个体组成第一种群；

从第一种群中随机产生具有预设个体数量的第二种群；

从第二种群中剔除适应度值小于预设的第一适应度值的个体；

剔除后对第一种群进行交叉计算和变异计算；

将当前遗传代数加1；

判断是否达到预设遗传代数，若是，则停止遗传，查找出当前第二种群中适应度值最大的个体，确定这个个体对应的正则化系数与核函数参数的值为最优的正则化系数与核函数参数的值，若否，则返回执行从第二种群中剔除适应度值小于预设的第一适应度值的个体，直到判断得到当前遗传代数等于预设遗传代数。

2.根据权利要求1所述的方法，其特征在于，所述最小二乘法核极限学习机中的核函数为二次有理核函数。

3.根据权利要求2所述的方法，其特征在于，将样本图片库中的图片输入到递归最小二乘法核极限学习机中前还包括：

将所述样本图片库中的图片数据进行归一化处理。

4.一种基于遗传优化和核极限学习机的分类装置，其特征在于，包括：

第一输入单元，用于：将样本图片库中的图片输入到递归最小二乘法核极限学习机中；

获取单元，用于：获得所述递归最小二乘法核极限学习机在多组不同的正则化系数与核函数参数下对所述样本图片库中的图片进行分类的分类精度，其中，一组正则化系数与核函数参数对应一个分类精度，所述递归最小二乘法核极限学习机对所述样本图片库中的图片的分类结果包括预设数量的用户喜爱等级；

优化单元，用于：基于遗传算法对所述正则化系数与核函数参数进行优化，得到最优的正则化系数与核函数参数，其中，任一组正则化系数与核函数参数对应的分类精度为遗传算法中的适应度值；

第二输入单元，用于：将所述最优的正则化系数与核函数参数的值输入到所述递归最小二乘法核极限学习机中，以将待分类图片库中的图片进行分类；

推荐单元，用于：将图片按照对应的用户喜爱等级由高到低推荐至用户；所述优化单元包括：

生成单元，用于：将所述多组不同的正则化系数与核函数参数作为遗传算法中种群的个体，所有个体组成第一种群；从所述第一种群中随机产生具有预设个体数量的第二种群；

选择单元，用于：从所述第二种群中剔除适应度值小于预设的第一适应度值的个体；

交叉和变异单元，用于：剔除后对所述第一种群进行交叉计算和变异计算；

计数单元，用于：将当前遗传代数加1；

判断单元，用于：判断是否达到预设遗传代数，若是，则停止遗传，查找出当前第二种群中适应度值最大的个体，确定这个个体对应的正则化系数与核函数参数的值为最优的正则化系数与核函数参数的值，若否，则返回执行所述从所述第二种群中剔除适应度值小于预设的第一适应度值的个体，直到判断得到当前遗传代数等于预设遗传代数。

5.根据权利要求4所述的装置，其特征在于，所述最小二乘法核极限学习机中的核函数为二次有理核函数。