一种基于一致正则化的在线超限学习机目标识别方法及系统

摘要

本发明公开了一种基于一致正则化的在线超限学习机目标识别方法及系统，本发明包括进行基于单隐层前馈神经网络的分类器的学习和训练的下述步骤：针对训练图像进行特征提取，得到相应的图像特征集，并将图像特征集随机划分为多个特征子集；对所划分的特征子集，分别生成对应的近邻特征样本；将一致正则化约束引入在线超限学习目标优化函数，随机生成首先单隐层前馈神经网络的隐层节点参数，选取任一特征子集及其邻近样本进行初始化网络权重生成，基于剩余特征子集进行网络权重的迭代更新以完成基于单隐层前馈神经网络的分类器的学习与训练。本发明具有噪声容忍性强、分类识别精度高、学习速度快、任务可扩展性好的优点。