[发明专利]一种基于ELM和SVM的快速优化分类算法

摘要

本发明公开了一种基于ELM和SVM的快速优化分类算法，提出的基于ELM和SVM的快速优化分类算法将线性不可分问题转化为线性可分问题，训练得到两个SVM分类器作为算法核心；此算法能够极大地改善网络泛化性能，算法效率高，能够在短的时间内处理更多的数据，从而进一步促进ELM和SVM在模式识别、机器学习、大数据处理等领域得到更加广泛的应用。

主权项

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＝{(Xa,Yc)|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Sinput＝{Xa|1≤a≤A}的所有对应的隐层输出SHindeOutput＝{Xb'|1≤b≤B}和网络输出SNetOutput＝{Yc|1≤c≤C}，并由此将原样本集分拆成两个新样本集，即S＝SHideLayer+SOutLayer，其中SHideLayer＝{(Xa,X′b)|1≤a≤A,1≤b≤B}，SOutLayer＝{(X′b,Yc)|1≤b≤B,1≤c≤C}，显然SHideLayer和SOutLayer是两个线性可分的样本集；(3)对于上述样本集SHideLayer和SOutLayer，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SVMHideLayer:Xa→X′b和SVMOutLayer:X′b→Yc；(4)合并连接SVMHideLayer:Xa→X′b和SVMOutLayer:X′b→Yc，可得到基于原样本集S＝{(Xa,Yc)|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SVMHideLayer和SVMOutLayer即为该算法的分类器。