[发明专利]基于流形正则化和宽度网络的半监督宽度学习分类方法在审
| 申请号： | 201910572421.4 | 申请日： | 2019-06-28 |
| 公开（公告）号： | CN110288088A | 公开（公告）日： | 2019-09-27 |
| 发明（设计）人： | 赵慧敏;郑建杰;邓武;徐俊洁 | 申请（专利权）人： | 中国民航大学 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08;G06K9/62 |
| 代理公司： | 六安市新图匠心专利代理事务所(普通合伙) 34139 | 代理人： | 胡艳 |
| 地址： | 300300 天*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 半监督 正则化 流形 特征节点 学习系统 数据集 分类 复杂数据 计算效率 框架扩展 输出权重 学习能力 增强节点 求解 网络 学习 引入 | ||
【权利要求书】：
1.基于流形正则化和宽度网络的半监督宽度学习分类方法，其特征在于，包括以下步骤：
S1：利用输入数据建立特征节点；
S2：利用已建立的特征节点建立增强节点；
S3：输出权重的求解。
2.根据权利要求1所述的基于流形正则化和宽度网络的半监督宽度学习分类方法，其特征在于，包括以下步骤：
S1：将数据X经过函数φi(XWei+βei)映射产生第i组映射特征Zi，其中，给定标记Zn≡[Z1…Zn]表示所有的映射特征组，增强节点组被标记为Hm≡[H1…Hm]；
S2：将产生的增强节点和特征节点进行拼合，并标记为A＝[Zn|Hm]；
S3：利用由经过流形正则化框架求出的权重β*，得到最终的输出。
3.根据权利要求2所述的基于流形正则化和宽度网络的半监督宽度学习分类方法，其特征在于，所述数据X包括有标签数据集和无标签数据集其中l和u分别是标记标签和未标记数据的数量。
4.根据权利要求2所述的基于流形正则化和宽度网络的半监督宽度学习分类方法，其特征在于，Wei是具有适当维度的随机权重系数。
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民航大学，未经中国民航大学许可，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/pat/books/201910572421.4/1.html，转载请声明来源钻瓜专利网。
