一种基于CNN的宽度学习分类方法

摘要

本发明公开了一种基于CNN的宽度学习分类方法，以下具体步骤：获得训练数据与测试数据；对训练数据与测试数据进行预处理；利用卷积神经网络CNN对训练数据进行特征提取，得到训练数据的特征映射，生成宽度学习基础模型的特征结点层；将上述映射的特征增强为随机生成权重的增强矩阵，生成宽度学习基础模型的增强结点层；由特征结点层与增强结点层构建输入矩阵，输入宽度学习模型进行训练，构建宽度学习基础模型；利用最终训练好的改进宽度学习模型。其技术方案要点是，在保证特征结点数量相似的情况下，CNN_BLS,比BLS具有更好的分类结果，同时在与ELM模型的对比中，保留了宽度学习系统的原有的高效率，具有更好的综合效果。