[00066414]一种基于极限学习机的不确定数据分类方法
技术详细介绍
本发明公开了一种基于极限学习机的不确定数据分类方法。UELM方法使用概率密度函数对不确定数据进行建模，这种做法有效避免了期望值和抽样点方法带来的不确定数据的概率分布信息丢失问题。而且，UELM方法重新设计了传统的极限学习机方法框架，修改了输入层的接受数据以及隐藏层的激活函数，这样的改进使得极限学习机方法更加适用于不确定数据。整个UELM方法分成初始化、训练和预测三个阶段。初始化阶段用于实验参数的生成，训练阶段通过对实验数据的学习过程得到学习结果，预测阶段通过使用训练阶段学习得到的结果对新数据进行分类。大量的实验结果表明UELM方法在准确率和时间效率上相对于其他不确定数据分类方法都有突出表现。
