公开(公告)号：CN108846417A

公开(公告)日：2018-11-20

申请号：CN201810506839.0

申请日：2018-05-24

Applicant: 南京信息工程大学

Inventor： 钟水明 ,  刘成广 ,  陆晓翔 ,  仲昭奕 ,  童怡玲

IPC: G06K9/62

CPC classification number: G06K9/6269 ,  G06K9/627

Abstract: 本发明公开了一种基于ELM和SVM的快速优化分类算法，提出的基于ELM和SVM的快速优化分类算法将线性不可分问题转化为线性可分问题，训练得到两个SVM分类器作为算法核心；此算法能够极大地改善网络泛化性能，算法效率高，能够在短的时间内处理更多的数据，从而进一步促进ELM和SVM在模式识别、机器学习、大数据处理等领域得到更加广泛的应用。

公开(公告)号：CN115906959A

公开(公告)日：2023-04-04

申请号：CN202211548944.3

申请日：2022-12-05

Applicant: 南京信息工程大学

Inventor： 童怡玲 ,  薛羽

IPC: G06N3/0499 ,  G06N3/048 ,  G06F18/214 ,  G06N3/084

Abstract: 本发明公开了基于DE‑BP算法的神经网络模型的参数训练方法，包括：对待分类样本数据集进行预处理，按比例划分为训练集和测试集，根据预处理后待分类样本数据构建前馈神经网络模型；利用样本训练集对每个编码后的个体在前馈神经网络模型向前传播过程中训练，计算前馈神经网络模型的预期值和真实值之间的误差，将误差作为个体的适应度值；利用样本训练集训练前馈神经网络模型，分别利用DE算法和BP算法训练编码后的种群，获得种群最优个体；利用带有最优参数的前馈神经网络模型对样本测试集进行测试，得到最佳的分类精度。本发明基于DE‑BP算法对前馈神经网络模型进行训练，解决了BP算法在搜索时容易陷入局部最优点的缺陷，提高神经网络训练的效率。