基于Matlab的极限学习机分类算法.pdfVIP

福 建 电 脑 U J I A N C O M P U T E R F DOI:10.16707/j.cnki.fjpc.2017.05.058 基于 Matlab 的极限学习机分类算法 蒋 斌 （西安民机工程技术中心 航电电气所 陕西 西安 710089 ） 【摘 要】介绍了极限学习机的基本原理、数学模型以及求解公式，极限学习机最大的特点是隐层神经元的输入参数 是随机选择的。 在 Matlab 软件中编程，应用极限学习机进行数据分类，手写数字数据的分类实验证明了本文方法的有效 性。 【关键词】Matlab ；极限学习机；分类 0 引言 模式识别在目前应用极为广泛 ， 常见的邮件过滤系统，人 (1) 脸识别，指纹识别本质上都属于模式识别。 在模式识别中，一般 图 1 和式(1)中的符号是对应的。 其中j =1，2 ，…，N ，N 是隐 先从待识别的对象中提取特征， 然后将特征组成特征向量，由 T 层的神经元数量，w = ［w ，w ，…，w ］ 表示的是第 i 个隐层节点 i i1 i2 in 特征向量构成特征空间，在特征空间中应用某种分类算法来实 T 和输入节点之间的权重 向量，β = ［β ，β ， …，β ］ 表示的是第 i i i1 i2 im 现数据的分类。 个隐层节点和输出节点之间的权重 向量，b 是第 i 个隐层节点 i 分类方法中比较典型的方法包括神经网络[1]和支持向量机 的阈值，表示 w 和 x 的内积。 i j [2] 。 神经网络是模仿大脑神经元的工作原理，包含大量互相连接 在式(1)中，可以通过 N 个隐层神经元的激活函数实现对数 的神经元，这些神经元又称