一种分布式极限学机优化集成框架方法系统及方法

摘要

本发明属于数据处理技术领域，尤其涉及一种分布式极限学机优化集成框架的系统，包括数据分布存储模块、Stack-Autoencoder特征提取模块、分布式计算模块和结果输出模块；数据分布存储模块将数据进行分布式存储，并对ELM隐层进行分析和确定；Stack-Autoencoder特征提取模块对数据进行特征学，获得压缩化的输入数据，并对输入数据进行归一化处理和特征提取；分布式计算模块根据输入数据进行映射和归约处理得到总体最优权值。本发明对大数据的模式分类更为精确，解决因单层ELM的节点过多造成的过拟合问题使高维矩阵的运算分块并行进行，计算效率得到提高；不用提前将数据读入内存，节省了内存资源。

主权项

一种分布式极限学习机优化集成框架系统，其特征在于，包括数据分布存储模块、Stack‑Autoencoder特征提取模块、分布式计算模块和结果输出模块：所述数据分布存储模块用于读入训练数据，并根据数据的类型和规模确定隐层数和隐层节点数；同时根据隐层数将数据分割为多个训练子集，并将分割的数据分布到不同的训练子集中进行存储；所述Stack‑Autoencoder特征提取模块用于对分布在各个训练子集的训练数据进行特征学习，获得各个训练子集压缩化的输入数据，并对输入数据进行归一化处理和特征提取；所述分布式计算模块用于根据对各个训练子集压缩化输入数据提取的特征和隐层节点数进行映射和归约处理得到总体最优权值；所述结果输出模块用于输出最优权值分析结果。