[发明专利]一种基于自动编码机-超限学习机的多维度数据特征识别方法在审
| 申请号： | 201711482817.7 | 申请日： | 2017-12-29 |
| 公开（公告）号： | CN108182475A | 公开（公告）日： | 2018-06-19 |
| 发明（设计）人： | 陈飞;徐凯;谢智歌 | 申请（专利权）人： | 中南大学 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08 |
| 代理公司： | 北京爱普纳杰专利代理事务所(特殊普通合伙) 11419 | 代理人： | 王玉松 |
| 地址： | 410000 湖南*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于数据特征识别技术领域，特别涉及一种基于自动编码机‑超限学习机的多维度数据特征识别方法；其一种基于自动编码机‑超限学习机的多维度数据特征识别方法，包括如下步骤：S1：获取多维度物体的原始数据，并对获取的原始数据进行预处理；S2：基于预处理后的原始数据训练自动编码机‑超限学习机模型并建立自动编码机‑超限学习机模型。本发明提供一种新的基于自动编码机‑超限学习机的多维度数据特征识别方法，可以对任意维度的数据进行特征提取和识别；将卷积神经网络的局部不变性和自动编码机良好的表达能力结合在一起，利用超限学习机训练速度快、获取特征准的特点，可以很好的应对大规模且多维度数据特征识别的挑战。 | ||
| 搜索关键词： | 自动编码 学习机 超限 多维度数据 特征识别 原始数据 预处理 卷积神经网络 数据特征 特征提取 不变性 多维度 维度 挑战 | ||
【主权项】：
1.一种基于自动编码机‑超限学习机的多维度数据特征识别方法，其特征在于，包括如下步骤：S1：获取多维度物体的原始数据，并对获取的原始数据进行预处理；S2：基于预处理后的原始数据训练自动编码机‑超限学习机模型并建立自动编码机‑超限学习机模型；S3：获取待检测物体的测试数据，并将测试数据处理后输入到训练好的自动编码机‑超限学习机模型中，得到测试数据的特征映射HTest；S4：根据得到的特征映射HTest计算出测试数据的标签。
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南大学，未经中南大学许可，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/201711482817.7/，转载请声明来源钻瓜专利网。
