一种基于智能优化算法改进超限学习机解决分类问题的方法

摘要

本发明属于智能技术领域，具体涉及一种智能优化算法改进超限学习机解决分类问题的通用方法。包括以下步骤：步骤1：初始化在线超限学习机(OS‑ELM)的参数，包括训练集，验证集，隐层节点的个数，激活函数类型，隐层的输入矩阵IW以及隐层神经元的阈值Bias矩阵。步骤2：初始化智能优化算法的参数，包括智能优化算法的终止条件，待优化数据的维度以及各维度的上下限(范围)步骤3：初始决策模型的获取，这部分进行初始化训练来获取最初的决策模型。步骤4：在线更新决策模型，这部分使用新的数据集来对现有模型更新，可以分批次的训练。本发明可以有效地提升OS‑ELM的学习能力，具体表现为提高测试的精准度。