[发明专利]一种核增量型超限学习机、差分多种群灰狼混合优化方法在审
| 申请号： | 201811071986.6 | 申请日： | 2018-09-14 |
| 公开（公告）号： | CN109299776A | 公开（公告）日： | 2019-02-01 |
| 发明（设计）人： | 李亚;吴迪 | 申请（专利权）人： | 湖南工程学院 |
| 主分类号： | G06N3/00 | 分类号： | G06N3/00;G06N3/02 |
| 代理公司： | 重庆市信立达专利代理事务所(普通合伙) 50230 | 代理人： | 包晓静 |
| 地址： | 411104 湖*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于数据分析技术领域，公开了一种核增量型超限学习机、差分多种群灰狼混合优化方法；针对核增量型超限学习机(KI‑ELM)存在学习效率较低及准确性差的冗余节点的问题；本发明首先利用差分进化算法和多种群灰狼优化算法，提出一种混合智能优化算法——差分多种群灰狼优化算法，对隐含层节点参数进行优化，确定有效的节点数量，以降低网络复杂度，提升网络的学习效率；其次将深度结构引入到核增量型超限学习机中，对输入数据进行逐层抽取，实现数据高维映射分类，提高算法的分类精度和泛化性能。仿真实验结果表明：本发明所提出的混合智能的深度核增量型超限学习机具有良好的预测精度和泛化能力，网络结构更为紧凑。 | ||
| 搜索关键词： | 学习机 超限 优化算法 混合智能 学习效率 优化 差分进化算法 仿真实验结果 数据分析技术 泛化性能 节点参数 冗余节点 深度结构 网络结构 复杂度 隐含层 分类 映射 高维 算法 紧凑 抽取 网络 引入 预测 | ||
【主权项】：
1.一种核增量型超限学习机，其特征在于，所述核增量型超限学习机的核矩阵表示为：KELM＝HHT＝h(xi)·h(xj)＝K(xi,xj)。
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湖南工程学院，未经湖南工程学院许可，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/201811071986.6/，转载请声明来源钻瓜专利网。
