一种具有深度结构的半监督超限学习机分类方法

摘要

本发明提出了一种具有深度结构的半监督超限学习机分类方法。本发明首先利用深度结构对原始数据进行自动的特征学习，得到数据特征的高级表示，然后计算标记和未标记样本特征之间的相似性度量，利用半监督超限学习机对这些新的特征进行分类，从而提高分类的准确性。本发明一方面解决了级联超限学习机仅利用有标记样本进行学习，忽略了无标记样本中的有用信息，另一方面解决了半监督超限学习机受制于其单层网络结构对样本的特征学习不够充分等问题，最终达到提高网络泛化性能以及分类准确率的目的。