[发明专利]基于图平衡正则化的半监督超限学习机分类方法有效
| 申请号： | 201910665201.6 | 申请日： | 2019-07-23 |
| 公开（公告）号： | CN110598728B | 公开（公告）日： | 2021-11-09 |
| 发明（设计）人： | 佘青山;邹杰;吴秋轩;吕强;罗志增 | 申请（专利权）人： | 杭州电子科技大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 浙江千克知识产权代理有限公司 33246 | 代理人： | 周希良 |
| 地址： | 310018 浙*** | 国省代码： | 浙江;33 |
| 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图平衡正则化的半监督超限学习机分类方法。本发明通过非负权值量来平衡基于标签一致性的邻接图和基于信息结构一致性的邻接图，以此来达到图平衡，可以获得最佳图的拉普拉斯正则项来约束模型，并且认为在信息一致性图不能很好的描述样本集的结构信息时，增大标签一致性图的权重，反之则要减小相应的比例。本发明首先通过样本的标签一致性来构造训练样本间的邻接有监督图，与基于样本信息一致性的半监督图组合在一起来约束模型的输出，通过合理的调整图的比重来改变描述数据分布的能力，获得最优的邻接图后得到最佳的输出权值向量。本发明在脑电信号处理、脑机接口系统中具有广阔的应用前景。 | ||
| 搜索关键词： | 基于 平衡 正则 监督 超限 学习机 分类 方法 | ||
【主权项】：
1.基于图平衡正则化的半监督超限学习机分类方法，其特征在于：该方法包括以下主要步骤：/n步骤(1)、利用BCI的24维脑电信号训练超限学习机基分类器F，预测训练集中占比50％的无标签样本，具体是：/n用于实验的样本集中，有9位受试者的4分类运动想象脑电数据，在测试时，针对每一个受试者分别进行实验；每位受试者的数据中有288个训练样本构成的训练集和288个测试样本构成的测试集，并且在训练集中有标签和无标签样本的比例分别为1：1；/n利用含有144个24维度的有标签样本集{X
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杭州电子科技大学，未经杭州电子科技大学许可，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/201910665201.6/，转载请声明来源钻瓜专利网。
