[发明专利]一种基于ELM和SVM的快速优化分类算法

权利要求书

1.一种基于ELM和SVM的快速优化分类算法，其特征在于，包括如下步骤：

(1)对给定样本集S＝{(X_a,Y_c)|1≤a≤A,1≤c≤C}，通过ELM算法训练一随机初始化的单隐层前向人工神经网络，确立一个ELM分类器；

(2)通过已训练好的ELM分类器，能够分别计算出输入样本集S_input＝{X_a|1≤a≤A}的所有对应的隐层输出S_HindeOutput＝{X_b'|1≤b≤B}和网络输出S_NetOutput＝{Y_c|1≤c≤C}，并由此将原样本集分拆成两个新样本集，即S＝S_HideLayer+S_OutLayer，其中S_HideLayer＝{(X_a,X′_b)|1≤a≤A,1≤b≤B}，S_OutLayer＝{(X′_b,Y_c)|1≤b≤B,1≤c≤C}，显然S_HideLayer和S_OutLayer是两个线性可分的样本集；

(3)对于上述样本集S_HideLayer和S_OutLayer，分别使用线性SVM算法训练学习，可分别得到它们各自的最优解，即SVM_HideLayer:X_a→X′_b和SVM_OutLayer:X′_b→Y_c；

(4)合并连接SVM_HideLayer:X_a→X′_b和SVM_OutLayer:X′_b→Y_c，可得到基于原样本集S＝{(X_a,Y_c)|1≤a≤A,1≤c≤C}的SVM分类器，显然不论性能上还是结构上，该SVM分类器将优于原有的ELM分类器，经过上面的步骤，形成的SVM_HideLayer和SVM_OutLayer即为该算法的分类器。