基于协同表示的安全半监督超限学习机分类方法

摘要

本发明涉及一种基于协同表示的安全半监督超限学习机分类方法，首先定义出无标记样本的风险项，并利用未标记样本重构前后输出预测标签一致性和重构误差来评判样本的风险性。本发明采用协同表示的方法分析半监督学习中无标签样本的风险性，通过实验证实样本风险的存在，将风险项加入到半监督超限学习机的损失函数中，从而使模型自带样本安全风险策略，最后在脑电信号数据集下进行测试，结果显示在传统的半监督超限学习机性能劣于有监督超限学习机时，本发明的安全半监督超限学习方法性能仍然优于有监督学习方法，这也证实了本文方法具有一定的无标记样本的安全性。