基于極限學(xué)習(xí)機(jī)的三維模型數(shù)據(jù)分類研究.pdf

1、極限學(xué)習(xí)機(jī)具有較好的算法結(jié)構(gòu)，較快的訓(xùn)練速度，較好的泛化性能和不會(huì)陷入局部最優(yōu)的問題等優(yōu)點(diǎn)，在越來越多的領(lǐng)域中都得到了應(yīng)用。三維模型數(shù)據(jù)具有維數(shù)高，樣本小，高噪聲，類不平衡等特點(diǎn)。為了解決三維模型數(shù)據(jù)的高維度，類不平衡及極限學(xué)習(xí)機(jī)存在的性能不穩(wěn)定的問題，本文針對(duì)三維模型數(shù)據(jù)對(duì)極限學(xué)習(xí)機(jī)分類算法做了進(jìn)一步的研究，將黃金分割優(yōu)化算法和限制玻爾茲曼機(jī)算法引入三維模型數(shù)據(jù)分類，提高了分類精度，并引入遷移學(xué)習(xí)的思想處理類不平衡問題。本文主要?jiǎng)?chuàng)新點(diǎn)

2、如下：
　　(1)提出基于黃金分割優(yōu)化算法的極限學(xué)習(xí)機(jī)算法。用黃金分割優(yōu)化算法首先對(duì)極限學(xué)習(xí)機(jī)隱含層節(jié)點(diǎn)數(shù)進(jìn)行優(yōu)化，再對(duì)隱層矩陣和偏置進(jìn)行優(yōu)化。實(shí)驗(yàn)結(jié)果表明該算法在較短的時(shí)間內(nèi)可以獲得較高分類精度，性能優(yōu)異。
　　(2)提出基于限制玻爾茲曼機(jī)的極限學(xué)習(xí)機(jī)算法，首先對(duì)原始數(shù)據(jù)集進(jìn)行特征選擇，達(dá)到降低維數(shù)的效果，再用前一步驟中計(jì)算得到的限制玻爾茲曼機(jī)的參數(shù)對(duì)極限學(xué)習(xí)機(jī)輸入層權(quán)值進(jìn)行改進(jìn)優(yōu)化，實(shí)驗(yàn)結(jié)果表明相比較隨機(jī)森林，邏輯回歸，