[发明专利]基于极限学习机的深度聚集式分类方法及系统在审
| 申请号： | 201910121909.5 | 申请日： | 2019-02-19 |
| 公开（公告）号： | CN109816046A | 公开（公告）日： | 2019-05-28 |
| 发明（设计）人： | 薛伟;周塔;杨平乐;杜晓明;张鑫;祝荣泉 | 申请（专利权）人： | 张家港江苏科技大学产业技术研究院 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 南京利丰知识产权代理事务所(特殊普通合伙) 32256 | 代理人： | 王锋 |
| 地址： | 215600 江苏省苏*** | 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： | 本发明公开了一种基于极限学习机的深度聚集式分类方法及系统，所述方法包括：S1、构建基于极限学习机的ELM分类器；S2、通过堆栈泛化原理，以单隐层的ELM分类器为基础，逐层构建G‑ELM深度聚集式分类模型，通过择优机制不断淘汰分类精度较低的ELM分类器，使G‑ELM深度聚集式分类模型朝高精度聚集中心聚集。本发明基于极限学习机的G‑ELM深度聚集式分类模型，在不改变极限学习机内部机制的情况下，通过堆叠泛化原理逐层构建具有一定深度的聚集式分类结构，不仅能有效解决传统极限学习机效率“瓶颈”和效率波动问题，而且通过堆叠泛化机制进一步增强分类器的泛化性能，有效提高了分类精度。 | ||
| 搜索关键词： | 极限学习机 聚集式 分类器 分类模型 构建 分类 堆叠 波动问题 泛化性能 分类结构 有效解决 中心聚集 单隐层 堆栈 瓶颈 淘汰 | ||
【主权项】：
1.一种基于极限学习机的深度聚集式分类方法，其特征在于，包含如下步骤：S1、构建基于极限学习机的ELM分类器；S2、通过堆叠泛化原理，以单隐层ELM分类器为基础分类器，逐层构建G‑ELM深度聚集式分类模型，通过择优机制不断淘汰分类精度较低的ELM分类器，使G‑ELM深度聚集式分类模型朝高精度聚集中心聚集。
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张家港江苏科技大学产业技术研究院，未经张家港江苏科技大学产业技术研究院许可，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/201910121909.5/，转载请声明来源钻瓜专利网。
- 上一篇：一种商品识别方法及装置
- 下一篇：提供标签的方法、装置、设备及可读存储介质
