基于流形正则和范数正则的领域迁移极限学习机方法
专利汇可以提供基于流形正则和范数正则的领域迁移极限学习机方法专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种基于流形正则和范数正则的领域迁移极限学习机方法。在传统的极限学习机 基础 上，引入半 监督学习 和迁移学习的思想，构造了一种新的极限学习机模型，由3部分组成：能够挖掘有标签和无标签数据样本的几何分布形状实现 半监督学习 的流形正则项；同时考虑源领域数据和目标领域数据误差最小化以实现迁移学习的损失函数项；约束权值空间的范数正则子。本发明结合源领域来处理目标领域的预测问题，提高了极限学习机的泛化能 力 和应用范围。其中，流行正则项的引入也使得本发明提出的方法能够在带标签的数据较少时依然能够保持较好的学习效果，克服了传统 机器学习 方法需要大量有标签数据的限制，同时也提高了预测的准确性和鲁棒性。，下面是基于流形正则和范数正则的领域迁移极限学习机方法专利的具体信息内容。
1.一种基于领域迁移极限学习机方法的气体识别方法，其特征在于，包括以下步骤：
步骤1：取第1,2个月445个气体样本数据作为无传感器漂移现象的源领域数据，记为DS＝{XS}，取其中100个样本作为无漂移的源领域有标签气体样本数据，记为 TS是相应的类别标签，其余样本作为无漂移的源领域无标签气体样本数据，记为取第3-10个月1244个气体样本数据作为存在传感器漂移现象的目标领域数据，记为DT＝{XT}，取其中200个样本作为有漂移的目标领域有标签气体样本数据，记为 TT是相应的类别标签，其余样本作为有漂移的目标领域无标签气体样本数据，记为把第i个气体样本表示成xi＝[xi1,xi2,…,xin]T，n是每个气体样本数据的特征维度，在此n＝128；
步骤2：本发明的极限学习机模型：事先设定好隐层节点个数L，利用随机函数随机产生隐层节点参数(ai,bi),i＝1,2,...,L，其中ai＝[ai1,ai2,…,ain]T是连接第i个隐层节点和输入神经元的输入权重，n是输入神经元的个数，bi是第i个隐层节点的偏置；
步骤3：对于N个输入的气体样本数据X＝{x1,x2,...,xN}，计算其相应的隐层输出矩阵：
其中g(·)表示激活函数，采用sigmoid函数作为激励函数；对XS， XT和 分别计算它们相对应的隐层输出矩阵，分别记为 HS， 和HT；
步骤4：结合半监督学习、迁移学习，引入流形正则项并同时考虑源领域和目标领域误差最小化，构建本发明方法的优化模型：
其中||β||p是用来约束权值空间的范数正则子，考虑了L1范数||β||1，L2范数 为了方便求解，使用的是0.5倍的L2范数平方的形式和包络范数 (介于L1范数和L2范数之间)三种范数正则子；CS，CT，λS和λT都是惩罚参数，LS和LT分别是源领域数据和目标领域数据的拉普拉斯算子，Tr(·)表示矩阵的迹；
步骤5：设定步骤中的4个惩罚参数CS，CT，λS和λT；
步骤6：分别计算不存在漂移现象的源领域气体样本数据和存在漂移现象的目标领域气体样本数据的拉普拉斯矩阵LS和LT；
步骤7：根据步骤4所述优化模型，求解最优的连接隐层节点和输出神经元的输出权值β，不同的范数正则子本发明采用不同的求解方式，具体如下：
7-1.当采用L1范数||β||1时，令
则 随机初始
化输出权值β，设置迭代终止条件，然后由前向后向分裂算法(FOBOS)得到模型迭代形式的解： k是迭代次数；
令 由迭代软阈值收缩算法(ISTA)得，
当满足迭代终止条件时，迭代停止，得到模型L1范数下的输出权值；
7-2.当采用L2范数 时，模型写成：
NS是 中气体样本的个数，NT是 中气体样本的个数； 分别表示无飘移的
源领域第i个气体样本的隐层输出，类别标签，实际输出与理想输出之间的误差；同样，分别表示有漂移的目标领域第j个气体样本的隐层输出，类别标签，实际输出与理想输出之间的误差；
利用拉格朗日乘子，写成：
对上式求偏导：
当NS
令
方程式简化为：
然后解得αS,αT：
解得模型L2范数下的输出权值：
当NS>L时，
由偏导式方程可得：
解得模型L2范数下的输出权值：
7-3.当采用包络范数 时，令
则
随机初始化输出权值β，设置迭代终止条件，然后由前向后向分裂算法得到模型迭代形式的解：
令 由迭代软阈值收缩算法得，
当满足迭代终止条件时，迭代停止，得到模型包络范数 下的输出权值；
步骤8：根据步骤7得到的输出权值矩阵β，得到基于流形正则项和Lp范数正则子的领域迁移极限学习机模型f(x)并将此模型应用到电子鼻系统的气体识别中。
基于流形正则和范数正则的领域迁移极限学习机方法
技术领域
背景技术
发明内容
具体实施方式
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种机器学习算法自动选择方法和系统 | 2020-05-12 | 161 |
| 一种移动式供热机组故障诊断方法 | 2020-05-17 | 61 |
| 一种基于Triple-GAN的分类方法 | 2020-05-11 | 739 |
| 锥束计算机断层扫描图像注册与重叠方法 | 2020-05-15 | 667 |
| 基于半监督学习的DPI数据中host的自动化挖掘方法及系统 | 2020-05-18 | 132 |
| 基于半监督学习算法的移动设备实体识别方法及装置 | 2020-05-12 | 243 |
| 一种室外场景三维彩色点云分类方法 | 2020-05-14 | 821 |
| 一种多示例学习框架下的鞋印图像检索方法及系统 | 2020-05-16 | 253 |
| 基于半监督学习的渣土车偷倒判别方法、系统和装置 | 2020-05-08 | 791 |
| 一种融合半监督学习和主动学习的搜索引擎用户满意度评估方法 | 2020-05-13 | 1013 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
