[发明专利]一种基于DPSO-WKELM-IFSVM的非线性数据分类方法在审
| 申请号： | 201910891353.8 | 申请日： | 2019-09-21 |
| 公开（公告）号： | CN110598071A | 公开（公告）日： | 2019-12-20 |
| 发明（设计）人： | 胡燕祝;王松 | 申请（专利权）人： | 胡燕祝 |
| 主分类号： | G06F16/906 | 分类号： | G06F16/906;G06K9/62 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 100876 北京市*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及基于DPSO‑WKELM‑IFSVM的非线性数据分类方法，是一种对非线性数据进行分类的方法，属于数据处理领域，其特征在于采用如下步骤：(1)更新样本数据收敛位置及速度；(2)求得网络输出权值；(3)构造核函数；(4)求学习机核变换函数；(5)样本隶属度函数构建；(6)构造决策函数。本发明克服非线性映射能力较差，识别率低问题。改进的极限学习机在函数逼近能力效果好，更好的处理非线性数据，有效提高分类准确率，完成非线性数据分类。这说明本发明对非线性数据分类，达到较好分类效果。采用等式约束替代不等式约束，降低计算复杂度，加快运行速度。为非线性数据进行分类提供了一种拥有较高分类准确率的方法。 | ||
| 搜索关键词： | 非线性数据 分类 分类准确率 非线性映射能力 函数逼近能力 数据处理领域 不等式约束 极限学习机 计算复杂度 隶属度函数 等式约束 分类提供 分类效果 构造决策 收敛位置 网络输出 样本数据 核变换 核函数 识别率 学习机 构建 样本 替代 更新 改进 | ||
【主权项】：
1.本发明一种基于DPSO-WKELM-IFSVM的非线性数据分类方法，其特征在于：(1)更新样本数据收敛位置及速度；(2)求得网络输出权值；(3)构造核函数；(4)求学习机核变换函数；(5)样本隶属度函数构建；(6)构造决策函数；具体包括以下六个步骤：/n步骤一：更新样本数据收敛位置
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胡燕祝，未经胡燕祝许可，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/201910891353.8/，转载请声明来源钻瓜专利网。
