[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在审
| 申请号： | 201710444621.2 | 申请日： | 2017-06-13 |
| 公开（公告）号： | CN109086784A | 公开（公告）日： | 2018-12-25 |
| 发明（设计）人： | 张文博;杨生辉;刘崇晧;段育松;李鑫;张志宏;方镇;李婧婷 | 申请（专利权）人： | 昆山鲲鹏无人机科技有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 西安智萃知识产权代理有限公司 61221 | 代理人： | 赵双 |
| 地址： | 215331 江苏省苏州市昆山*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于引入隐藏信息极限学习机算法的智能分类方法，包括步骤S1：在LUPI框架中，训练样本引入隐藏信息；S2：根据ELM原理，得出引入隐藏信息后的ELM+的最优表达式；S3：利用拉格朗日乘子法求解该最优表达式，得出ELM+的输出方程；S4：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。本发明以极限学习机算法为基础，通过在LUPI框架下，在训练阶段利用训练样本及其隐藏信息共同求解输出权值，来进一步提高传统ELM算法的识别性能，是一种整体性能更优、适用领域更广、识别结果更符合实际需求的智能分类器设计方法。 | ||
| 搜索关键词： | 隐藏信息 算法 极限学习机 智能分类 引入 训练样本 求解 多分类问题 输出 类别标签 实际需求 识别性能 输出方程 训练阶段 二分类 样本 决策 分类 预测 | ||
【主权项】：
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。
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昆山鲲鹏无人机科技有限公司，未经昆山鲲鹏无人机科技有限公司许可，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/201710444621.2/，转载请声明来源钻瓜专利网。
