[发明专利]一种张量模式下基于极限学习机的模式识别方法在审
| 申请号： | 201510531563.8 | 申请日： | 2015-08-26 |
| 公开（公告）号： | CN105069485A | 公开（公告）日： | 2015-11-18 |
| 发明（设计）人： | 曾德威;王书强;申妍燕;胡金星;卢哲 | 申请（专利权）人： | 中国科学院深圳先进技术研究院 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 深圳市科进知识产权代理事务所(普通合伙) 44316 | 代理人： | 宋鹰武 |
| 地址： | 518055 广东省深圳*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种张量模式下基于极限学习机的模式识别方法，包括以下步骤：将数据集以张量模式输入并为所述数据集内的数据设置标签；计算所述数据集内的数据各阶对应的Fisher最优投影；设置隐层节点数量及激励函数的类型；根据Fisher最优投影随机产生各个所述节点的输入权值；随机产生各个所述节点的偏移标量；计算隐层输出矩阵；对所述隐层输出矩阵求逆；统计所述数据集内相异的标签数量C，自动设置输出节点数量为C，并将全部所述标签以C维向量表示；计算输出权值；构建张量分类器，以及对所述数据集进行模式识别。本发明提出的模式识别方法能够直接在张量领域处理数据，用于高效准确识别当前数据所属模式或类别的模式识别模型。 | ||
| 搜索关键词： | 一种 张量 模式 基于 极限 学习机 模式识别 方法 | ||
【主权项】：
一种张量模式下基于极限学习机的模式识别方法，其特征在于包括以下步骤：将数据集以张量模式输入并为所述数据集内的数据设置标签；计算所述数据集内的数据各阶对应的Fisher最优投影；设置隐层节点数量及激励函数的类型；根据Fisher最优投影随机产生各个所述节点的输入权值；随机产生各个所述节点的偏移标量；计算隐层输出矩阵；对所述隐层输出矩阵求逆；统计所述数据集内相异的标签数量c，自动设置输出节点数量为c，并将全部所述标签以c维向量表示；计算输出权值；构建张量分类器；以及对所述数据集进行模式识别，设所述张量分类器的输出层有c个节点，如果第i个节点的输出值最大，则所述张量分类器的识别结果为第i类，其中i≤c。
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科学院深圳先进技术研究院，未经中国科学院深圳先进技术研究院许可，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/201510531563.8/，转载请声明来源钻瓜专利网。
