[發明專利]一種基于DPSO-WKELM-IFSVM的非線性數據分類方法

在審

• 申請號: 201910891353.8
• 申請日: 2019-09-21
• 公開（公告）號: CN110598071A
• 公開（公告）日: 2019-12-20
• 發明（設計）人: 胡燕祝;王松
• 申請（專利權）人: 胡燕祝
• 主分類號: G06F16/906
• 分類號: G06F16/906;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.本發明一種基于DPSO-WKELM-IFSVM的非線性數據分類方法，其特征在于：(1)更新樣本數據收斂位置及速度；(2)求得網絡輸出權值；(3)構造核函數；(4)求學習機核變換函數；(5)樣本隸屬度函數構建；(6)構造決策函數；具體包括以下六個步驟：

步驟一：更新樣本數據收斂位置及速度

式中，表示樣本的位置屬性，表示速度向量，k表示迭代次數，d表示搜索空間維度，i表示粒子實例，c_s1,c_s2表示學習因子，為[0,1]內的隨機數，描述樣本個體和周圍緊密度大小，T_target取可行域內的值；

步驟二：訓練網絡輸出T_i：

式中，g(x)表示模型激活函數，L表示隱藏層節點數，w_i＝[w₁,w₁,...w_N]為神經元權值向量，β_i＝[β₁,β₂...β_m]為隱藏層和輸出層鏈接權值，b_i＝[b₁,b₂...b_m]^T為隱藏節點偏置；

步驟三：構造核函數Ω_ELM：

式中，α為伸縮因子，F(x_i,x)大于等于0；

步驟四：構建學習機核變換函數

式中，C是懲罰參數，Ω_ELM隱含層輸出矩陣的內積；

步驟五：構建樣本隸屬度函數

式中，表示樣本到類中心的距離；δ表示引如用于保證隸屬度為正的正數，表示樣本周圍的密度函數，有距離范數獲得，α為權值，用于均衡類中心與樣本密度重要性；

步驟六：構造決策函數f(x)^{DPSO-WKELM-IFSVM}

式中,K是非線性映射的核函數，表示訓練的第i個樣本及其標簽，b用對偶方式獲得的分類平面的截距。