[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： | 本发明涉及宽度学习系统技术领域，尤其涉及基于流形正则化和宽度网络的半监督宽度学习分类方法，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，本发明通过将流形正则化框架引入BLS中，提出了半监督宽度学习系统(Semi‑supervised Broad Learning System，简称SS‑BLS)，该方法通过流形正则化框架扩展了BLS，从而提升了BLS的适用性，SS‑BLS完全具有BLS的学习能力和计算效率，同时，该方法能够高效的完成不同复杂数据集下的半监督分类任务，各种数据集的实验结果表明SS‑BLS具有极强的适应性和较高的稳定性，此外，数据集的实验结果还证明所提出的方法与最先进的半监督方法相比具有竞争力。 | ||
| 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 | ||
【主权项】：
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。
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/patent/201910572421.4/，转载请声明来源钻瓜专利网。
